工程師使用圖形網(wǎng)絡(luò)準(zhǔn)確預(yù)測分子和晶體的特性

加州大學(xué)圣地亞哥分校的納米工程師開發(fā)了新的深度學(xué)習(xí)模型，可以準(zhǔn)確預(yù)測分子和晶體的特性。通過實(shí)現(xiàn)幾乎瞬時的屬性預(yù)測，這些深度學(xué)習(xí)模型為研究人員提供了快速掃描幾乎無限的化合物的手段，以發(fā)現(xiàn)各種技術(shù)應(yīng)用的潛在變革材料，如高能量密度鋰離子電池，暖白色LED和更好的光伏發(fā)電。

為了構(gòu)建他們的模型，由加州大學(xué)圣地亞哥雅各布斯工程學(xué)院的納米工程教授Shyue Ping Ong領(lǐng)導(dǎo)的團(tuán)隊(duì)使用了一種新的深度學(xué)習(xí)框架，稱為圖形網(wǎng)絡(luò)，由Google DeepMind開發(fā)，是AlphaGo和AlphaZero背后的大腦。圖形網(wǎng)絡(luò)有可能擴(kuò)展現(xiàn)有AI技術(shù)的功能，以有限的經(jīng)驗(yàn)和知識執(zhí)行復(fù)雜的學(xué)習(xí)和推理任務(wù) - 人類擅長的東西。

對于像Ong這樣的材料科學(xué)家來說，圖形網(wǎng)絡(luò)提供了一種自然的方式來表示分子或晶體中原子之間的鍵合關(guān)系，并使計算機(jī)能夠了解這些關(guān)系如何與其化學(xué)和物理特性相關(guān)。

Ong的團(tuán)隊(duì)稱為MatErials Graph Network(MEGNet)模型的新圖形網(wǎng)絡(luò)模型在預(yù)測QM9數(shù)據(jù)集中133,000個分子的13個屬性中的11個方面表現(xiàn)優(yōu)于現(xiàn)有技術(shù)。該團(tuán)隊(duì)還在材料項(xiàng)目中對大約60,000個晶體進(jìn)行了MEGNet模型的培訓(xùn)。這些模型在預(yù)測晶體的形成能，帶隙和彈性模量方面優(yōu)于先前的機(jī)器學(xué)習(xí)模型。

該團(tuán)隊(duì)還展示了兩種克服材料科學(xué)和化學(xué)數(shù)據(jù)限制的方法。首先，該團(tuán)隊(duì)表明，圖形網(wǎng)絡(luò)可用于統(tǒng)一多個自由能模型，從而使訓(xùn)練數(shù)據(jù)多次增加。其次，他們表明他們的MEGNet模型可以有效地學(xué)習(xí)周期表中元素之間的關(guān)系。然后，可以傳輸來自在大數(shù)據(jù)集上訓(xùn)練的屬性模型的機(jī)器學(xué)習(xí)信息，以用較少量的數(shù)據(jù)來改進(jìn)屬性模型的訓(xùn)練和準(zhǔn)確性 - 這種概念在機(jī)器學(xué)習(xí)中被稱為轉(zhuǎn)移學(xué)習(xí)。