在所有測(cè)試場(chǎng)景中均超越了基線(xiàn)模型

原標(biāo)題：無(wú)機(jī)材料逆合成效率飆升，韓國(guó)團(tuán)隊(duì)推出Retrieval-Retro，成果入選NeurIPS 2024
文章來(lái)源：HyperAI超神經(jīng)
內(nèi)容字?jǐn)?shù)：8484字

無(wú)機(jī)逆合成領(lǐng)域的AI

本文探討了人工智能(AI)如何徹底改變無(wú)機(jī)材料合成領(lǐng)域，特別是逆合成規(guī)劃方法的進(jìn)步。

1. AI賦能無(wú)機(jī)材料合成

   傳統(tǒng)無(wú)機(jī)材料合成高度依賴(lài)實(shí)驗(yàn)試錯(cuò)，效率低下。 文章以勞倫斯伯克利國(guó)家實(shí)驗(yàn)室的A-Lab平臺(tái)為例，說(shuō)明AI驅(qū)動(dòng)的材料合成平臺(tái)的成功和失敗都具有重要意義，失敗可以幫助AI改進(jìn)對(duì)溶劑動(dòng)力學(xué)的理解。中國(guó)科學(xué)技術(shù)大學(xué)俞書(shū)宏院士團(tuán)隊(duì)利用機(jī)器學(xué)習(xí)預(yù)測(cè)界面能差異，僅用三個(gè)月就實(shí)現(xiàn)了此前預(yù)計(jì)需要20年實(shí)驗(yàn)才能完成的半導(dǎo)體納米線(xiàn)磁性材料“雕刻”。谷歌DeepMind的GNoME平臺(tái)在17天內(nèi)篩選出380種穩(wěn)定無(wú)機(jī)晶體，其中52種得到實(shí)驗(yàn)驗(yàn)證。西北工業(yè)大學(xué)團(tuán)隊(duì)利用AI逆向推演出航天器陶瓷涂層“先構(gòu)建微裂紋網(wǎng)絡(luò)再填充愈合劑”的反直覺(jué)路徑，顯著提升了材料耐溫性。這些案例表明AI正在引領(lǐng)無(wú)機(jī)材料合成領(lǐng)域的范式變革。

2. Retrieval-Retro：一種創(chuàng)新的逆合成規(guī)劃方法

   首爾國(guó)立大學(xué)的研究人員提出了一種名為Retrieval-Retro的無(wú)機(jī)逆合成規(guī)劃方法，該方法結(jié)合了熱力學(xué)關(guān)系和注意力機(jī)制，通過(guò)兩個(gè)檢索器（掩碼前驅(qū)體補(bǔ)全檢索器MPC和神經(jīng)反應(yīng)能檢索器NRE）以及自注意力和交叉注意力機(jī)制，從大量的材料科學(xué)論文中提取前驅(qū)體信息，高效識(shí)別和提取前驅(qū)體信息，從而加速材料的發(fā)現(xiàn)和合成。實(shí)驗(yàn)結(jié)果表明，Retrieval-Retro在各種場(chǎng)景下均超越了基線(xiàn)模型，尤其是在按年劃分的設(shè)置中性能提升更為顯著。

3. 無(wú)機(jī)逆合成面臨的挑戰(zhàn)和未來(lái)展望

   文章指出，盡管AI在無(wú)機(jī)逆合成領(lǐng)域取得了顯著進(jìn)展，但仍面臨挑戰(zhàn)。無(wú)機(jī)化合物的復(fù)雜成鍵機(jī)制、多相界面演變與亞穩(wěn)態(tài)相競(jìng)爭(zhēng)、計(jì)算化學(xué)方法精度不足等因素，使得無(wú)機(jī)逆合成研究仍高度依賴(lài)實(shí)驗(yàn)試錯(cuò)。 未來(lái)，AI需要進(jìn)一步學(xué)習(xí)人類(lèi)化學(xué)家的思維方式，才能更加精準(zhǔn)地進(jìn)行材料設(shè)計(jì)。文章還展望了AI在無(wú)機(jī)逆合成領(lǐng)域的未來(lái)發(fā)展，例如利用量子計(jì)算、張量網(wǎng)絡(luò)、量子退火算法等先進(jìn)技術(shù)，探索新的材料合成路徑，并重新定義人類(lèi)對(duì)物質(zhì)世界的認(rèn)知。

4. AI與人類(lèi)的協(xié)同進(jìn)化

   文章強(qiáng)調(diào)，AI并非機(jī)器取代人類(lèi)，而是人機(jī)協(xié)同進(jìn)化。AI提供了新的工具和視角，幫助人類(lèi)更深入地理解和探索物質(zhì)世界，推動(dòng)無(wú)機(jī)材料合成領(lǐng)域從經(jīng)驗(yàn)技藝向基于科學(xué)原理的理性設(shè)計(jì)轉(zhuǎn)變。 AI的加入，為人類(lèi)打開(kāi)了一扇通往“后人類(lèi)材料學(xué)”時(shí)代的大門(mén)。

聯(lián)系作者

文章來(lái)源：HyperAI超神經(jīng)
作者微信：
作者簡(jiǎn)介：解構(gòu)技術(shù)先進(jìn)性與普適性，報(bào)道更前沿的 AIforScience 案例