谷歌DeepMind披露玻璃熔化、凝固AI模型,或應用於製造、醫藥行業

2020年4月7日消息，近日，《自然物理學》刊登谷歌旗下DeepMind一篇論文，DeepMind研究了一款AI人工智慧系統，可以預測玻璃分子在液態和固態之間的運動變化過程。DeepMind表示，這些技術和經過訓練的模型已經可以在開源軟體中提供，用以預測玻璃的其他特性。

 

除此之外，DeepMind認為，這項研究可以對一般物質和生物轉變的見解發生變化，並可能導致製造業和醫藥等行業的進步。DeepMind將把一些通過模擬玻璃動力學而得到證實和發展的知識和技術應用到科學的其他核心問題上，目的是揭示我們周圍世界的新事物。特別是，機器學習能夠很好地研究一系列領域中基本問題的本質。

 

據悉，玻璃是由高溫熔化的沙子和礦物的混合物冷卻而形成的。就像固體一旦冷卻過結晶點，可以抵抗拉力或拉伸，不過，這些分子在微觀結構上類似於非晶態液體。而國際上，儘管西蒙斯基金會（Simons Foundation）在冷液體模擬算法方面有所突破，但是，目前還沒有對玻璃轉變和玻璃動力學預測理論進行完整描述。

 

這是因為，玻璃形成過程的中，有無數的未知數，比如，它是否存在結構相變，為什麼冷卻過程中的粘度會增加1萬億倍。眾所周知，對玻璃化轉變進行建模是一個值得研究的課題，其背後的物理基礎是行為建模、藥物輸送方法、材料科學以及食品加工。但其中的複雜性，使得其成為一個難以破解的難題。

 

DeepMind團隊利用玻璃容易被模擬和輸入基於粒子的模型中，即可以被模擬形成一個互相排斥、相互作用的粒子。DeepMind建立了一個圖形神經網絡，由節點、線、弧等組成非線性數據結構來預測玻璃的動力學。其中，節點和邊代表粒子和粒子之間相互作用。

 

同時，DeepMind通過構建幾個數據集來驗證他們的模型，這些數據集對應於不同溫度下，不同時間範圍內的流動性預測。在將圖形網絡應用於模擬的3D眼鏡之後，他們發現該系統優於現有的物理啟發基線和最先進的人工智慧模型。與玻璃的弛豫時間匹配良好，短時間內與地面真值的相關性達到96%，與玻璃的弛豫時間的相關性達到64%。

 

中國軟體網認為，AI人工智慧，尤其是機器學習的應用範圍愈加廣泛，不斷在各行各業與其他技術深度融合。此次，DeepMind的研究不僅對研究物理學理論有所啟示，更對玻璃製造過程中，預測產品質量有所幫助。

 

事實上，自2016年DeepMind發布AlphaGo擊敗李世石後，不僅在科技業內引起轟動，更激發了AI產業的第三次浪潮。此後，DeepMind更將觸角伸向醫療、保健領域，但深度學習對環境、數據存有依賴性，亦有局限性。同時，DeepMind如何商業化也是當前的難題。

版權聲明：

凡本網註明」來源：中國軟體網（http://www.soft6.com）」的所有作品，版權均屬於中國軟體網或崑崙海比（北京）信息技術有限公司，未經本網書面授權，不得轉載、摘編或以其它方式使用上述作品。

任何行業、傳播媒體轉載、摘編中國軟體網（http://www.soft6.com）刊登、發布的產品信息及新聞文章，必須按有關規定向本網站載明的相應著作權人支付報酬並在其網站上註明真實作者和真實出處，且轉載、摘編不得超過本網站刊登、轉載該信息的範圍；未經本網站的明確書面許可，任何人不得複製或在非本網站所屬的伺服器上做鏡像。

本網書面授權使用作品的，應在授權範圍內使用，並按雙方協議註明作品來源。違反上述聲明者，崑崙海比（北京）信息技術有限公司將追究其相關法律責任。