Xây dựng Mô hình Nền tảng AI để Thúc đẩy Khám phá Vật liệu Pin Mới - CleanTechnica

Các nhà nghiên cứu tại Đại học Michigan, tận dụng sức mạnh của siêu máy tính Aurora và Polaris tại Trung tâm Tính toán Lãnh đạo Argonne (ALCF), đang phát triển các mô hình nền tảng AI nhằm tăng tốc quá trình khám phá các vật liệu pin mới. Truyền thống, việc khám phá vật liệu pin chủ yếu dựa vào trực giác và các cải tiến từng bước đối với một tập hợp vật liệu hạn chế, chủ yếu được xác định trong khoảng thời gian từ 1975 đến 1985. Phương pháp mới dựa trên AI sử dụng các mô hình nền tảng lớn, chuyên biệt được huấn luyện trên các bộ dữ liệu khổng lồ về cấu trúc phân tử để dự đoán các tính chất chính như độ dẫn điện, điểm nóng chảy, điểm sôi và tính dễ cháy. Điều này cho phép khám phá hiệu quả hơn không gian hóa học rộng lớn—ước tính chứa tới 10^60 hợp chất phân tử có thể—bằng cách tập trung vào các ứng viên triển vọng cho điện giải và điện cực pin. Mô hình nền tảng của nhóm, được huấn luyện trên hàng tỷ phân tử sử dụng các biểu diễn phân tử dựa trên văn bản (SMILES) và được cải tiến bởi một công cụ mới gọi là SMIRK, cho phép học cấu trúc phân tử một cách chính xác và nhất quán hơn. Phương pháp này giúp vượt qua những hạn chế của các phương pháp thử và sai truyền thống bằng cách cung cấp...