🤖 由 文心大模型 生成的文章摘要
材料创新是重大技术突破的关键驱动因素之一。20世纪80年代发现的钴酸锂为当今的锂离子电池技术奠定了基础。它现在为现代手机和电动汽车提供动力，影响着数十亿人的日常生活。设计更高效的太阳能电池、更廉价的电网级储能电池以及回收大气中二氧化碳的吸附剂也需要材料创新。
为目标应用寻找新材料就像大海捞针。从历史上看，这项任务是通过昂贵且耗时的实验反复试验来完成的。最近，大型材料数据库的计算筛选使研究人员能够加快这一过程。尽管如此，找到具有所需特性的少数材料仍然需要筛选数百万个候选材料。
在《自然》杂志上发表的一篇论文分享了MatterGen，这是一种从不同角度解决材料发现问题的生成式AI工具。它不是筛选候选材料，而是根据应用的设计要求直接生成新材料。它可以生成具有所需化学、机械、电子或磁性以及不同约束组合的材料。MatterGen实现了生成式AI辅助材料设计的新范式，可以高效探索材料，超越有限的已知材料集。
MatterGen是一种扩散模型，可对材料的3D几何形状进行操作。与图像扩散模型通过修改噪声图像中的像素颜色来根据文本提示生成图片非常相似，MatterGen通过调整随机结构中的位置、元素和周期性晶格来生成拟议结构。扩散架构专为材料设计，可处理周期性和3D几何形状等特殊情况。
「93913原创内容，转载请注明出处」
