DeepMind大模型与A-Lab机器人搭档：干活不累

谷歌DeepMind AI + A-Lab是语言大模型与机器人的完美搭配，前者从事理论发现研究，后者负责实践落地。

1、谷歌DeepMind AI
DeepMind的新人工智能对来自材料项目的 20,000 种已知无机晶体以及另外 28,000 种有前途的候选晶体进行了训练，以了解哪些特性使材料变得理想。

本质上，人工智能的工作原理就像厨师测试食谱：这里添加一些东西，那里改变一些成分，然后通过反复试验，达到预期的结果。

根据集中的数据，它生成了对潜在稳定的新化学物质及其特性的预测。结果被反馈到人工智能中，以进一步磨练其“食谱”。

经过多轮训练，人工智能会犯一些小错误。人工智能不会同时更换多个化学结构（这可能是灾难性的举动），而是迭代地评估微小的化学变化。例如，它可以尝试只替换一半，而不是用另一种化学成分替换。如果交换不起作用，没问题，系统会淘汰任何不稳定的候选人。

AI 最终生成了 220 万种化学结构，其中 38 万种预测如果合成的话将是稳定的。新发现的材料中有 500 多种与锂离子导体有关，锂离子导体在当今的电池中发挥着关键作用。

2、A-Lab机器人
从理论到实践：这就是 A-Lab 的用武之地：A-Lab使用机械臂，根据配方挑选、混合和加热成分来制造新材料，这是加州大学伯克利分校和劳伦斯伯克利国家实验室的Gerbrand Ceder博士领导的团队构建的一个自动化机器人系统。

经过两周的培训，A-Lab 在没有任何人工输入的情况下为 41 种新材料制作了一系列配方。但这并不是完全成功：有 17 种材料未能达到标准。然而，通过少量的人工干预，机器人顺利地合成了这些材料。

总结
DeepMind+ A-Lab两项研究共同开辟了一个可能应对当今全球挑战的新型化合物的领域。下一步包括向算法添加化学和物理特性，以进一步提高其对物理世界的理解，并合成更多材料进行测试。

DeepMind正在向公众发布他们的人工智能和一些化学配方。与此同时，A-Lab 正在运行数据库中的配方并将结果上传到材料项目。

大模型与机器人搭档，干活不累。