谷歌人工智慧分析：玻璃為什麼是剛性的？

2020-07-09 技術力量


在分子水平上，玻璃看起來像一種液體。谷歌旗下的人工智慧公司DeepMind一個人工神經網絡已經發現了其分子中的隱藏結構，這可能解釋了為什麼玻璃像固體一樣堅硬。

大多數材料的宏觀特性來自於其微觀結構。比如，一根鋼棒之所以堅硬，是因為它的原子形成了一種重複的結晶模式，隨著時間的推移，這種模式保持不變。當把水灑入湖中時，水會分化，因為液體沒有這種結構，它們的分子會隨機移動。


谷歌人工智慧分析：玻璃為什麼是剛性的？

玻璃玻璃是一種奇怪的物質

但玻璃是一種奇怪的、介於兩者之間的物質，幾十年來一直困惑著物理學家。如果給玻璃中的分子拍一張快照，它們會像液體的分子一樣顯得無序。但大多數分子幾乎不動，使得玻璃材料像固體一樣堅硬。

玻璃是由某些液體冷卻形成的。但為什麼液體中的分子在一定溫度下會急劇變慢，而它們的結構排列卻沒有明顯的相應變化？這種現象被稱為玻璃轉變問題，這是一個重大的未解問題。


谷歌人工智慧分析：玻璃為什麼是剛性的？

當冷卻速度過快超過其結晶點時，液體會變成超冷液體，而在進一步冷卻後，會變成無序的畸形玻璃。如果冷卻速度較慢，它可能會轉變為有序的水晶。

谷歌DeepMind人工智慧公司的研究人員利用人工智慧研究了玻璃中的分子在變硬時發生了什麼。DeepMind的人工神經網絡能夠預測分子在極長的時間尺度內如何移動。根據DeepMind的科學家維克多·巴普斯特的說法，即使玻璃的微觀結構看起來毫無特徵，其結構也許比人們想像的更能預測動態。

雪梨大學研究玻璃轉變問題的彼得·哈羅威爾同意這一觀點。他說，新這一新研究有力地證明，在玻璃中，分子結構以某種方式為轉變進行排列，因此玻璃不像液體那樣無序。

為了搞清楚是什麼微觀變化導致了玻璃轉變，物理學家需要將兩種數據聯繫起來：玻璃中的分子在空間中是如何排列的，以及它們是如何隨著時間的推移緩慢移動的。將這些聯繫起來是用一個叫做動態傾向的量：一組分子在未來的某個特定時間內，在給定它們當前位置的情況下，可能已經移動了多少。這個不斷變化的量來自於使用牛頓定律計算分子的軌跡，從許多不同的隨機初始速度開始，然後將結果平均在一起。

通過模擬這些分子動力學，計算機可以為成千上萬的玻璃分子生成「傾向圖」，但只能是萬億分之一秒的時間尺度。而玻璃中的分子，移動速度極慢。法國高等師範學院凝聚態物理學家朱利奧·比羅利說：「對於普通計算機來說，計算它們的傾向圖是不可能的，因為它需要太多時間。」

DeepMind的研究人員開始訓練一個人工智慧系統，在不實際運行模擬的情況下預測玻璃中的傾向性，並試圖了解這些傾向性的來源。他們使用了一種特殊的人工神經網絡，將由線條連接的節點集合圖作為輸入源，圖中的每個節點都代表了分子在玻璃中的三維位置，節點之間的線條代表了分子之間的距離。由於神經網絡通過改變自己的結構來 &34;，以反映輸入的結構，圖神經網絡非常適合表示粒子的相互作用。

研究人員創建了一個由4096個分子組成的虛擬玻璃立方體，模擬了分子在不同溫度下400個獨特的起始位置的演變，並計算了每種情況下粒子的傾向性。在訓練神經網絡以準確預測這些傾向性之後，研究人員接下來將400個以前未見過的粒子配置輸入到訓練的網絡中。


谷歌人工智慧分析：玻璃為什麼是剛性的？


谷歌人工智慧分析：玻璃為什麼是剛性的？

模型結構。（A) 從三維輸入端，距離小於2的節點被連接起來，形成一個圖形。經過處理後，網絡預測出每個部分的移動體（用不同的顏色表示）。B) 圖形網絡的核心首先更新基於其先前嵌入的邊緣和其相鄰節點的邊緣，然後是基於其先前嵌入的節點和即將到來的邊緣。C) 圖形網絡由一個編碼器、多個核心應用和一個解碼器組成。核心的每一次應用都會增加貢獻於某一部件預測的部件的外殼，這裡顯示的是中心部件的顏色（深藍色）。

僅使用這些結構快照，神經網絡就以前所未有的準確度預測了分子在不同溫度下的傾向性，比之前最先進的機器學習預測方法提高463倍的效率。

DeepMind神經網絡僅根據分子當前結構的快照就能預測其未來的運動，這為探索玻璃的動力學提供了一種強大的新方法。

圖神經網絡學會了編碼一種物理學家稱之為相關長度的模式。也就是說，當DeepMind的圖神經網絡重組自身以反映訓練數據時，它就會表現出以下傾向：當在較高溫度下（分子運動看起來更像液體而不是固體）預測傾向時，對於每個節點的預測，神經網絡依賴於來自圖中兩三個連接之外的鄰近節點的信息。但在接近玻璃化轉變的較低溫度下，這個數字，也就是相關長度增加到了五個。

增加相關長度是相變的標誌。在相變中，粒子從無序排列過渡到有序排列，或者反之亦然。例如，當鐵塊中的原子集體排列，使鐵塊變得磁化時，就會發生這種情況。當鐵塊接近這一轉變時，每個原子都會影響鐵塊中越來越遠的原子。

在物理學家看來，神經網絡學習相關長度並將其納入預測的能力表明，在玻璃轉變過程中，玻璃的結構中一定有一些隱藏的秩序在發展。萊斯大學的玻璃專家彼得·沃林斯表示，機器學習到的相關長度提供了材料在成為玻璃化時「接近熱力學相變」的證據。

相關焦點

  • 谷歌深度學習實驗室:讓人工智慧在虛擬接觸中訓練感知
    孩子能通過遊戲學習，為什麼機器不可以呢？對於人類來說，了解一個物件屬性最簡單的方法（它是冷是熱，是輕是重，是尖是鈍）是把它撿起來，用手把玩一下。現在，谷歌深度學習實驗室的人工智慧工程師正在用相同的方法訓練機器——通過比較虛擬積木的物理屬性探索它們。
  • 谷歌 AI 掌門人宣稱，人工智慧目前「非常愚蠢」
    11月15日消息，近日谷歌人工智慧掌門人谷歌副總裁安德魯摩爾對外表示，人工智慧目前還非常愚蠢，雖然人工智慧很擅長做一些我們的大腦無法處理的事情，但是我們不能按照類比或創造性思維或者跳出框的方式進行通用推理。
  • 谷歌AlphaGO挑戰賽:人工智慧的邊界在人類
    谷歌AlphaGO的技術架構採用的是模仿人類大腦神經模式，而這種模式的行為可以理解為谷歌依託其強大的科學家團隊，在當前人類對於大腦相關探索的知識範圍內，以計算機的方式將這種知識探索表現到了一個新的高度。人工智慧的邊界在人類不論人工智慧如何發展，其在本質上還是物理程序層面的問題，哪怕其具備「自思考」能力，其思考的邊界也是開發者所賦予、設定的。
  • 谷歌阿爾法狗根本不是人工智慧
    什麼是人工智慧？什麼不是人工智慧？某種意義上，這是一個如何定義的問題。近日，谷歌旗下的DeepMind 公司開發的阿爾法狗打敗了世界圍棋冠軍李世乭（Lee Sedol），這已經成了一個不爭的事實。而且，近年來，一些類似的深度研究技術，也解決了很多相當複雜的計算問題。但是，這就意味著我們即將進入全人工智慧化時代，或者說機器時代了麼？
  • 谷歌人工智慧助科學家發現「迷你太陽系」
    人工智慧技術的迅猛發展或許將加速這一進程。北京時間15日凌晨2:00，美國宇航局對外舉行新聞發布會，正式宣布在一個恆星周圍發現了由8顆恆星組成的行星系統。這一發現背後的功臣正是谷歌公司的機器學習技術。由於人口大爆炸和地球環境持續惡化，人類尋找與地球和太陽系類似的外太空系統作為第二家園的心情日益迫切。這種焦慮感在近些年的一系列科幻影視作品得到了強烈的呈現。
  • 為什麼谷歌難以回歸中國,真正的原因在這裡
    很大程度上，讓谷歌難以回歸中國的，是軍事防禦、國家安全以及國家利益。而且可以預測，隨著人工智慧越來越發達，越來越往縱深發展，谷歌回歸中國就越發遙遙無期。這其中，有看行業競爭的，認為谷歌回來之後，百度需不需要擔心，要怎麼應對;也有看資本市場的，覺得是谷歌在和蘋果、亞馬遜、微軟的「四大天王」大戰中，為了應對不利局面，而給華爾街講的新故事，畢竟中國的市場足夠的大;也有考量地域因素和市場融合的，這個角度著重分析了中國網際網路市場已經不是8年前的市場，谷歌8年前水土不服，8年後是否能夠「到什麼山頭唱什麼歌」;甚至還有看企業文化的，認為谷歌打著「不作惡」的口號(
  • 人工智慧擊敗世界圍棋冠軍 "阿爾法狗"為什麼厲害
    人民視覺 谷歌的圍棋人工智慧程序和人類圍棋冠軍之間的比賽，堪稱人工智慧發展的一個重要裡程碑，也讓全世界的目光聚焦在人工智慧這個熱門科技領域。谷歌的人工智慧程序是怎樣贏了人類？人工智慧對人類來說到底意味著什麼，會帶來什麼？它會不會有一天在智能上也超過人類？
  • 騰訊絕藝對戰谷歌阿爾法狗,中美人工智慧的對弈
    2012年之前，谷歌一直在利用動物訓練Google Brain(谷歌大腦)項目，並在2012年做了一個實驗，在沒有輸入「貓」的概念，讓機器透過學習，最終認識了「貓」。 谷歌人工智慧眼中的世界，讓機器來描述所看到的場景。這是利用動物來訓練AI的後果。
  • 谷歌人工智慧解決蛋白質摺疊問題
    摘要 【谷歌人工智慧解決蛋白質摺疊問題】當地時間11月30日，字母表公司（谷歌母公司）旗下的DeepMind公司表示，其開發的人工智慧軟體AlphaFold可以準確預測蛋白質在幾天內會摺疊成什麼結構，這解決了近50年來困擾人類的「蛋白質摺疊問題」。
  • 谷歌高管談人工智慧:2029年超越人類
    據外媒報導，谷歌工程總監、著名未來學家雷伊·庫茲韋爾近日在奧斯汀舉行的SXSW大會上大膽預測：技術奇點時刻將在2029年到來，而那時人工智慧的智慧將超過人類。庫茲韋爾向來以精準地預測未來聞名於世，不知道這一次是否還會預測準確。
  • 谷歌正訓練人工智慧預測分子氣味
    來源：獵雲網編譯：葉展盛一批人工智慧、生命科學和化學方面的專家正在通過圖神經網絡來識別分子、預測氣味。這批專家建立的模型性能已經超越了目前的所有方法，該模型誕生於DREAM嗅覺預測挑戰賽。這些研究員主要來自於谷歌、加拿大高等研究所、多倫多矢量人工智慧研究所、多倫多大學和亞利桑那州立大學。這些研究人員相信，隨著機器學習在分子識別領域應用水平的提高，機器智能將可以進行氣味識別，就像讓人工智慧模擬視覺、聽覺等其他感知能力。另外，研究人員還在嘗試讓機械臂獲得觸覺。
  • 微軟和谷歌的人工智慧,在SuperGLUE基準測試中超越了人類
    它包括八個語言理解任務，這些任務來自於現有的數據，並附有一個性能指標和一個分析工具包。這些任務是：布爾問題（BoolQ）要求模型對一篇包含問題答案的維基百科短文作出回應。這些問題來自谷歌用戶，他們通過谷歌搜索提交問題。
  • 谷歌升級人工智慧:可微分神經計算機會獨立思考
    IT之家訊 現有人工智慧一般都是依靠已有的經驗去分析問題和解決問題，雖然這種模式在很多方面都優於人腦，比如AlphaGo完虐李世石，但這並非長久之計，人工智慧仍需向前發展。近日，谷歌旗下人工智慧公司DeepMind研發了可微分神經計算機（Differentiable Neural Computer，DNC），改進了機器學習的能力，給予神經網絡額外的儲存空間，用於存儲後天學習的信息。這種模式的好處在於，機器學習又上升了一個高度，具備了一定的獨立思考能力。
  • 谷歌的人工智慧平臺樹冠實驗室將幫助城市種植更多樹木
    谷歌已經啟動了樹冠實驗室(Tree Canopy Lab)，這是一個人工智慧(AI)平臺，它將結合AI和航拍圖像幫助城市種植更多樹木。樹冠實驗室將幫助城市了解其當前的樹冠覆蓋範圍並計劃未來的植樹項目，而Google首先從洛杉磯開始。「越來越多的樹木被視為既可以降低街道溫度，又可以改善生活質量的解決方案。
  • 人工智慧時代,學好數學的重要性為什麼日益突出
    隨著科技的快速發展，人工智慧的熱度越來越高。而數學知識蘊含著處理智能問題的基本思想與方法，是理解複雜算法的必備要素。在機器學習工作流程中，數學與代碼高度交織在一起，代碼通常可以根據數學直觀地構建，甚至會共享數學符號與句法。對於大多數新手來說，弄清楚入門人工智慧需要哪些數學基礎、需要熟悉什麼框架等，都至關重要。
  • 谷歌人工智慧工具可解讀古埃及象形文字
    據外媒CNet報導，谷歌的一個新的人工智慧工具解讀了古埃及象形文字，甚至可以讓用戶把現代單詞和表情符號翻譯成5000年前的符號。谷歌藝術與文化團隊在周三，即著名的羅塞塔石碑發現周年紀念日發布了這個名為Fabricius的工具。這塊公元前196年的石板上有三種不同字體的文字，被認為是破譯埃及象形文字的關鍵。
  • 2017年人工智慧十大熱點事件,谷歌設立AI中國中心
    人工智慧之所以能席捲全球，在知名自媒體楊劍勇看來，是谷歌於2016年那一場人機大戰成為第一推動力，致使人工智慧來勢洶洶，如今，人工智慧也成為2017年十大流行語之一，作為科技界最熱門的領域，在過去一年中，有哪些重大事件？
  • 韓九段棋手李世石將迎戰谷歌人工智慧「阿爾法圍棋」
    【環球科技報導 記者 魏悅】據韓聯社2月23日報導，韓國棋院和谷歌DeepMind公司22日在首爾共同召開記者會，公布了韓國九段棋手李世石和谷歌人工智慧「阿爾法圍棋」(AlphaGo)交手方式、地點和規則等。李世石和阿爾法圍棋的5盤對局將於3月9日、10日、12日、13日和15日在首爾四季酒店進行。
  • 谷歌人工智慧解決蛋白質摺疊問題,可能在醫藥領域產生重大影響
    打開APP 谷歌人工智慧解決蛋白質摺疊問題，可能在醫藥領域產生重大影響 機器人大講堂 發表於 2020-12-02 09:54:27
  • 作為搜尋引擎,谷歌在中國為什麼競爭不過百度?
    還記得可以用谷歌的那個年代嗎，小編就是親身經歷者。但好端端的谷歌為什麼突然就從中國消失了呢？當時在中國，可以與谷歌抗衡的便是本土企業百度了，雖然從技術上百度跟谷歌不是一個級別的，但它的主要優勢在於英文搜索，在中文搜索方面谷歌確實比不上百度。它的發展遭到了對方的阻礙。谷歌還被清理出大量色情網站並被央視曝光涉黃。隨後，谷歌圖書館計劃遭遇版權危機被起訴，並且遭到政府相關部門出面指責。當然，李開復的離開也讓谷歌雪上加霜。