Ускорение поиска материалов для чистой энергетики в эпоху интеллектуальной автоматизации
Accelerating the discovery of materials for clean energy in the era of smart automation
2018-04-26
SCID: 54.1/3y7fqtad
Discuss with AI
автоматизированные лабораторииавтоматизированное планирование синтезаавтономное открытие материаловвысокопроизводительный виртуальный скринингалгоритмы машинного обучения
Figures from the paper
Abstract (AI)
Открытие и разработка новых материалов в области энергетики необходимы для ускорения перехода к низкоуглеродной экономике. Объединение последних технологических достижений в сфере автоматизации, робототехники и компьютерных наук с современными подходами в химии, синтезе и характеризации материалов станет катализатором революционного преобразования традиционных исследований и разработок как в промышленности, так и в академической среде. В данной аналитической статье представлено видение интегрированного подхода на основе искусственного интеллекта к автономному поиску материалов, который, по нашему мнению, получит развитие в течение следующих 5–10 лет. Рассматриваемый подход требует интеграции следующих инструментов, уже достигших значительной степени развития: высокопроизводительного виртуального скрининга, автоматизированного планирования синтеза, автоматизированных лабораторий и алгоритмов машинного обучения. Помимо сокращения на порядок времени, необходимого для внедрения новых материалов, ожидается, что этот интегрированный подход снизит затраты, связанные с первоначальным открытием. В результате также уменьшится стоимость конечной продукции, например солнечных панелей, аккумуляторных батарей и электромобилей. Это, в свою очередь, позволит промышленности и правительствам быстрее достигать более амбициозных целей по сокращению выбросов парниковых газов. Открытие и разработка передовых материалов имеют решающее значение для сектора чистой энергетики. Мы предполагаем, что замкнутый цикл, объединяющий высокопроизводительные вычисления, искусственный интеллект и передовую робототехнику, существенно сократит время, необходимое для внедрения, и затраты, связанные с разработкой материалов.
Key Findings
1
Интегрированный подход на основе искусственного интеллекта может обеспечить автономное открытие материалов в течение следующих 5–10 лет.
2
Замкнутая интеграция вычислений, ИИ и робототехники, как ожидается, сократит время внедрения новых материалов на порядок.
3
Более быстрое и дешёвое создание передовых материалов может помочь промышленности и правительствам установить более амбициозные цели по сокращению выбросов парниковых газов.
4
Предлагаемый рабочий процесс объединяет высокопроизводительный виртуальный скрининг, автоматизированное планирование синтеза, автоматизированные лаборатории и алгоритмы машинного обучения.
5
Интегрированный подход, вероятно, снизит первоначальные затраты на поиск материалов и в конечном счёте уменьшит стоимость чистых энергетических технологий, включая солнечные панели, аккумуляторы и электромобили.
Research Object
Новые материалы для чистой энергетики (материалы для солнечных панелей, аккумуляторов, электрических транспортных средств), разрабатываемые и выявляемые
Research Subject
интегрированный автономный подход к открытию материалов с использованием искусственного интеллекта, высокопроизводительных вычислений, автоматизированного синтеза и робототехники для сокращения сроков и стоимости разработки
Publication Details
Publication Date
2018-04-26
Journal
Publisher
ISSN
Cited by
779
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest
Источники этой статьи в scid.ai6
Галогенидные органометаллические перовскиты как сенсибилизаторы фотоэлектрических элементов в видимой области спектра2009
Комментарий: Проект Materials Project: геномный подход к материалам для ускорения инноваций в материаловедении2013
Нейронная передача сообщений для квантовой химии2017
Автоматическое проектирование химических соединений с использованием управляемого данными непрерывного представления молекул2018
За пределами нефти и газа: экономика метанола2011
Ускоренный поиск материалов с заданными свойствами с помощью адаптивного проектирования2016
Работы, цитирующие эту статью8
QSAR без границ2020
Развитие лабораторий с автономным управлением в химии и материаловедении2023
Машинное обучение для разработки и открытия гетерогенных катализаторов2018
Быстрая и интерпретируемая классификация небольших наборов данных рентгеновской дифракции с использованием расширения данных и глубоких нейронных сетей2019
Автономное картирование фронта Парето реакций с использованием автономной лаборатории катализа2024
Цифровая экосистема материалов: от баз данных к ИИ-агентам для автономного поиска2026
Инфраструктура с открытым исходным кодом на основе искусственного интеллекта для ускорения поиска материалов и передового производства2026
Архитектура самоходных лабораторий, ориентированная на данные, для автономного открытия новых наноматериалов2021