虽然数据集规模很大，但研究人员强调，锻炼模子只是一个起头。为了测试其实正的潜力，人工智能被评估为以前从未见过的。它正在化学上取已知化合物类似的化合物上表示优良，但正在不熟悉的化合物上表示欠安。
这种新方式是由大学普利兹克工程学院（UChicago PME） Amanchukwu尝试室的博士后Ritesh Kumar博士和他的团队开辟的，他们利用一种名为“eScore”的目标来评估和排名潜正在的电池电解质候选物。
颠末锻炼后，人工智能系统能够按照预测的表示对候选进行评分，包罗一些它从未碰到过的。该模子正在一种环境下确定了一种取现有最佳贸易电池电解质相婚配的。
按照Kumar的说法，虽然电解质的开辟凡是涉及衡量，由于供给高不变性的凡是缺乏导电性，反之亦然，但新东西有帮于确定能够同时满脚多种机能要求的候选材料。
为了成立锻炼数据集，研究人员手动编译了跨越250项科学研究的数据，这些研究逾越了50多年的锂离子电池研究。很多相关消息仅以图像形式存正在，无论是图表仍是嵌入日志账图中的表格，都需要手工输入。
就像音乐保举算法一样，Amanchukwu暗示，下一步是开辟一种人工智能，它不只能够挑选歌曲，还能够建立播放列表，从而为设想全新的铺平道。
他们进一步注释说，仅通过尝试室测试来摸索每种可能的电解质组合几乎是不成能的，潜正在候选的数量估量高达10⁶⁰。
“我们不成能正在研究了数亿种化合物后说，‘哦，’”Amanchukwu说，并将正在研究中利用人工智能取正在线听音乐进行了比力。
Amanchukwu正在一份旧事稿中说：“即便是今天的模子也很难从图像中提取数据。”他弥补说，因为格局问题，手动输入数据是需要的，由于环节消息凡是嵌入正在图像中，而不是文本中。
现正在，该团队正专注于降服下一个严沉挑和，包罗锻炼人工智能模子，以精确预测完全不学空间中的表示。这是推进下一代电池设想的主要一步。
据报道，该团队于2020年起头手动办理人工智能锻炼数据集，从50多年的电池研究中提取了数千种潜正在化合物，此中大部门都躲藏正在图表、数字和图表中。它们必需手动输入值，这涉及到凸起显示它们所凸起的内容，这很是耗时。
美国研究小组开辟了一种基于人工智能的框架，能够通过识别具有抱负电解质特征的来加快下一代电池的开辟。
上一篇：AI生命科学根本大模子驱动的生成式发觉系统发布