AI 자체는 Google DeepMind 팀이 제안한 것처럼 새로운 자료를 발견하는 데 유용하지 않을 수 있습니다.

UC Santa Barbara에 소속된 두 명의 재료 과학자는 지난 11월 Nature에 발표된 Google 논문을 분석하고 그것이 제공하는 것보다 더 많은 것을 약속한다는 결론을 내렸습니다. 그러나 Google의 DeepMind 팀은 UCSB 비평가들이 그들의 연구를 잘못 설명하고 그들의 목표를 이해하지 못한다고 주장하면서 그들의 작업에 동의하지 않고 그들의 작업을 고수합니다.

2023년 XNUMX월, Google DeepMind는 Amil Merchant와 Ekin Dogus Cubak를 결투합니다. 발표 과학저널 네이처(Nature)에 '라는 제목의 논문이 게재됐다.재료 발견을 위한 딥 러닝 확장.” 공동 저자로는 Simon Batzner, Samuel Schoenholz, Muratahan Aykol 및 Gowoon Cheon이 있습니다.

이 논문에서는 "신소재의 안정성을 예측하여 발견 속도와 효율성을 획기적으로 높이는 새로운 딥 러닝 도구"인 GNoME(Graph Networks for Materials Exploration)에 대해 설명합니다.

GNoMe는 결정 구조를 발견함으로써 과학에 이용 가능한 재료의 수를 확장했으며, “그 중 다수는 이전 인간의 화학적 직관에서 벗어났습니다.”라고 저자는 주장합니다.

Merchant와 Cubak은 “GNoME을 통해 우리는 인류에게 알려진 기술적으로 실행 가능한 재료의 수를 몇 배로 늘렸습니다.”라고 선언했습니다.

“2.2만 개의 예측 중 380,000개가 가장 안정적이어서 실험적 합성을 위한 유망한 후보가 됩니다. 이들 후보 물질 중에는 초전도체, 구동 슈퍼컴퓨터, 차세대 배터리 등 미래 변혁 기술을 개발해 전기차의 효율성을 높일 수 있는 잠재력을 지닌 소재들이 포함돼 있다”고 말했다.

글쎄요, 아마도 그렇게 많지는 않을 것 같습니다.

참신하고, 신뢰할 수 있고, 유용합니까?

In 기사 UC Santa Barbara 재료 연구소의 연구 교수인 Anthony Cheetham과 Ram Seshadri는 월요일 Chemistry of Materials 저널에 발표하면서 GNoME이 식별한 물질이 제안된 것만큼 유용하지 않다고 주장했습니다.

Cheetham과 Seshadri는 "우리의 작업은 인류에게 알려진 안정적인 물질의 크기 확장을 나타냅니다."라는 DeepMind 논문의 광범위한 언어에 대해 문제를 제기합니다.

두 UC Santa Barbara 전문가는 DeepMind의 예측이 "단지 결정질 무기 화합물에 관한 것이며 더 일반적인 라벨인 '재료'를 사용하기보다는 그렇게 설명해야 한다"고 주장합니다. 그들은 GNoME이 수행한 재료의 유형이 훨씬 더 많다는 점에 주목합니다. 폴리머, 유리, 금속-유기 프레임워크, 이종 구조 및 복합재와 같은 탐구는 하지 않습니다.

더 중요한 것은, 그들은 신소재에 대한 의미 있는 예측이 다음과 같아야 한다고 주장합니다. 신뢰할 수 있어야 합니다. – 물질의 구조와 구성은 실험에서 실현될 수 있어야 합니다. 새로운 – 알려진 화합물의 사소한 확장이 아닙니다. 유용성 – 재료로 인정될 만큼 유용성에 대한 충분한 증거를 보여줍니다.

그리고 알려진 것들의 표준에 GNoME이 추가된 것은 이 삼각형에 맞지 않는다고 주장됩니다.

DeepMind의 연구 분석에서 Cheetham과 Seshadri는 "우리는 여기서 이 연구의 주장을 조사했지만, 불행하게도 참신함, 신뢰성, 유용성이라는 세 가지 요소를 충족하는 화합물에 대한 증거가 부족하다는 것을 발견했습니다"라고 설명합니다. "이 연구에서 채택된 방법은 유망한 것처럼 보이지만 재료 합성 및 결정학 분야의 전문 지식을 통합할 필요성이 분명히 큽니다."

Cheetham은 다음과 같이 자세히 설명했습니다. 등록. “우리는 AI를 재료 과학(그리고 더 넓은 질문이지만 실제로 화학)에 적용할 수 있는 잠재력이 많다고 믿습니다.

“그러나 Google DeepMind의 논문은 압도적인 수의 예측(2.2만 개, 그 중 거의 400,000만 개는 안정적인 것으로 추정됨)을 제공하기 때문에 우리와 같은 실험가에게는 특별히 유용하지 않습니다. . 이는 현재 입증된 기능성이나 유용성이 없기 때문에 물질이라기보다는 화학적 화합물입니다. “

Cheetham은 현 시점에서 재료 과학에서 AI의 잠재적 유용성에 제한을 두는 것은 시기상조라고 말했습니다. "그러나 우리 기사가 명확해지기를 바라면서 우리는 AI가 재료 과학자들의 일류 도메인 전문 지식과 결합될 때 이 분야에서 큰 미래를 가질 것이라고 믿습니다."

구글 딥마인드 대변인은 “우리는 구글 딥마인드의 GNoME 논문에서 제기된 모든 주장을 지지한다”고 말했다. 등록.

"우리의 GNoME 연구는 이전에 과학에 알려진 것보다 훨씬 더 많은 후보 물질을 나타냅니다. 우리가 예측한 수백 개의 물질은 이미 전 세계 과학자들에 의해 독립적으로 합성되었습니다." ®

• SEO 기반 콘텐츠 및 PR 배포. 오늘 증폭하십시오.
• PlatoData.Network 수직 생성 Ai. 자신에게 권한을 부여하십시오. 여기에서 액세스하십시오.
• PlatoAiStream. 웹3 인텔리전스. 지식 증폭. 여기에서 액세스하십시오.
• 플라톤ESG. 탄소, 클린테크, 에너지, 환경, 태양광, 폐기물 관리. 여기에서 액세스하십시오.
• PlatoHealth. 생명 공학 및 임상 시험 인텔리전스. 여기에서 액세스하십시오.
• 출처: https://go.theregister.com/feed/www.theregister.com/2024/04/11/google_deepmind_material_study/