Oggi, i ricercatori di Google DeepMind e del Lawrence Berkeley National Laboratory hanno fatto una scoperta rivoluzionaria: hanno sviluppato un sistema di intelligenza artificiale chiamato GNoME, che ha identificato oltre 2 milioni di nuovi materiali potenzialmente utili per tecnologie avanzate come batterie, pannelli solari e chip di computer.
La ricerca, pubblicata su Nature, dettaglia come GNoME abbia usato tecniche di deep learning avanzate per esplorare strutture materiali in modo efficiente. In soli 17 giorni, GNoME ha individuato 2,2 milioni di nuove strutture cristalline inorganiche, con oltre 700 di queste già validate sperimentalmente. Questo rappresenta un incremento quasi decuplicato rispetto al numero di cristalli inorganici stabili conosciuti in precedenza.
GNoME adotta due metodi per scoprire materiali: uno basato sulla creazione di strutture cristalline simili e l’altro su un approccio più casuale. I risultati sono poi testati e utilizzati per migliorare il database di GNoME per future ricerche.
Il secondo articolo mostra come le previsioni di GNoME siano state verificate tramite sistemi robotici autonomi al Berkeley Lab. In 17 giorni di esperimenti continui, il sistema ha sintetizzato con successo 41 dei 58 composti previsti, raggiungendo un tasso di successo del 71%.
I dati sui nuovi materiali sono stati resi pubblici tramite il database del Materials Project, permettendo ai ricercatori di esplorare queste strutture per trovare materiali con proprietà desiderate per applicazioni reali. Tra le scoperte, ci sono 52.000 potenziali nuovi materiali stratificati 2D e altri 15 composti di ossido di litio-manganese utili per le batterie.
Curiosamente, 736 dei materiali previsti sono stati scoperti indipendentemente da scienziati in tutto il mondo, con esempi che vanno da materiali ottici unici a potenziali superconduttori.