獲悉,微軟(MSFT.US)周二表示,該公司已與美國一家國家實驗室合作,利用人工智能技術快速識別出一種材料,這可能意味著生產電池所需的鋰比現在少70%。這種技術是用鈉(食鹽中常見的一種元素)代替大部分鋰,仍需要華盛頓里奇蘭太平洋西北國家實驗室(PNNL)的科學家們進行廣泛的評估,以確定它是否適合大規模生產。
微軟執行副總裁Jason Zander表示:“我們在兩周內完成了可能需要數年時間的事情。這是我們最興奮的部分……我們只選了一個問題。有成千上萬的問題需要解決,它適用于所有的問題。”
這項新技術有一天可能會應用于汽車、電網和其他需要電池的地方。鋰的開采成本很高,而且集中在少數幾個國家,因此鋰的使用量要少得多,而鈉的使用量則更多,因為鈉既便宜又豐富。
PNNL首席數字官Brian Abrahamson在一次采訪中表示,用于尋找替代電池材料的過程可以應用于實驗室正在研究的許多其他化學和材料科學問題。
微軟將經過分子科學數據訓練的人工智能模型與傳統的科學超級計算機相結合。它能夠將超過3200萬種可能性縮小到18種候選物,然后PNNL的科學家們檢查了這些候選物,以決定哪些可以在實驗室中合成和測試。
Abrahamson稱:“這里的神奇之處在于人工智能的速度,它有助于識別產品和材料,以及我們在實驗室中將這些想法付諸行動的能力。所有這些都由科學家個人來處理,這是我們正在研究的一種范式轉變。對我們來說,它蘊含著巨大的希望。”
微軟執行副總裁Jason Zander表示:“我們在兩周內完成了可能需要數年時間的事情。這是我們最興奮的部分……我們只選了一個問題。有成千上萬的問題需要解決,它適用于所有的問題。”
這項新技術有一天可能會應用于汽車、電網和其他需要電池的地方。鋰的開采成本很高,而且集中在少數幾個國家,因此鋰的使用量要少得多,而鈉的使用量則更多,因為鈉既便宜又豐富。
PNNL首席數字官Brian Abrahamson在一次采訪中表示,用于尋找替代電池材料的過程可以應用于實驗室正在研究的許多其他化學和材料科學問題。
微軟將經過分子科學數據訓練的人工智能模型與傳統的科學超級計算機相結合。它能夠將超過3200萬種可能性縮小到18種候選物,然后PNNL的科學家們檢查了這些候選物,以決定哪些可以在實驗室中合成和測試。
Abrahamson稱:“這里的神奇之處在于人工智能的速度,它有助于識別產品和材料,以及我們在實驗室中將這些想法付諸行動的能力。所有這些都由科學家個人來處理,這是我們正在研究的一種范式轉變。對我們來說,它蘊含著巨大的希望。”