《人工智能大幅提高开发电解质效率》

  • 来源专题:中国科学院文献情报制造与材料知识资源中心 | 领域情报网
  • 编译者: 冯瑞华
  • 发布时间:2018-03-29
  • 富士通株式会社和日本理化学研究所最近公布,他们的联合研究小组在材料设计中应用第一原理计算与人工智能技术,对全固态锂离子电池的固体电解质组成做了预测、合成与评价试验,并进行了实际验证。结果证明,即使在较少数据下,通过与人工智能方法结合,仍可高效地找出最佳材料组成,大幅提高材料开发速度。

      迄今为止,材料的开发不得不依赖研究人员长期积累的经验和敏锐的直觉,需要积累许多失败的教训才能成功。而第一原理计算是如果指定了材料的组成,基于量子力学可以预测的特征,在实验之前即可预测新的高功能材料的最佳组成,从而大幅减少实验失败次数。但是第一原理计算的负荷非常巨大,材料各种组成需要多重计算,将会花费非常长的时间。

      研究小组希望通过材料模拟、实验和人工智能密切结合,解决材料开发中的问题,使材料开发时间大幅缩短,以期更容易地发现意想不到的组成和结晶结构,造出新的高功能材料。

      此次研究小组使用人工智能方法之一的贝叶斯推断法组合,控制第一原理计算的运算次数,对全固态锂离子电池固体电解质的三种含有锂的氧酸盐合成化合物进行了预测。结果证实,该方法能在可实现的时间内,预测高锂离子传导率的最佳组合。同时在预测的组成附近也发现了其他组成的高锂离子传导率。

      锂离子传导率是固态电解质材料重要的特征之一,是主导锂电池充放电速度的因子。此次研究成果验证了利用材料模拟和人工智能方法可高效开发不漏液、不起火的锂离子电池,今后有望在电池、半导体以及磁性体等材料领域发挥巨大潜力。

相关报告
  • 《人工智能为发展新质生产力提供关键驱动力》

    • 来源专题:人工智能
    • 编译者:高楠
    • 发布时间:2024-07-24
    • 6月20日,国家主席习近平向2024世界智能产业博览会致贺信。习近平指出,人工智能是新一轮科技革命和产业变革的重要驱动力量,将对全球经济社会发展和人类文明进步产生深远影响。中国高度重视人工智能发展,积极推动互联网、大数据、人工智能和实体经济深度融合,培育壮大智能产业,加快发展新质生产力,为高质量发展提供新动能。习近平主席的贺信为深化人工智能发展进一步指明了方向。面对日趋激烈的全球科技竞争,推动人工智能赋能新质生产力,已成为我国开辟发展新领域新赛道、塑造发展新动能新优势的重要抓手。 推动生产力要素提质增效        区别于传统生产力,新质生产力是由技术革命性突破、生产要素创新性配置、产业深度转型升级而催生的先进生产力,其基本内涵包含更高素质的劳动者、更高技术含量的劳动资料、更广范围的劳动对象及其优化组合的质变实现全要素生产率的提升。人工智能技术的发展将为生产力要素提质增效提供不竭动力。        从劳动者的角度来说,人工智能可将人类现有知识进行数据化处理,通过海量数据输入和深度学习模拟人类思维方式,能学习远超人脑所能容纳的知识量。同时,它能对信息化知识进行重新组合与创造性运用,从而形成能动且主动的知识创造与运用能力。例如,它具备文案设计、文生图片、文生视频、代码生成等多种智慧功能,可为人类智力劳动提供有效辅助工具,为全方位提升劳动力素养和技能、提高智力劳动效率提供重要动力。        从劳动资料的角度来说,具有颠覆性、通用性、普适性的人工智能技术催生出更多新型生产工具,使劳动资料由传统的物质形态向虚拟形态转化,极大拓展生产空间,进一步解放劳动者、削弱自然条件对生产活动的限制。        从劳动对象的角度来说,数据作为新型生产要素成为重要劳动对象,人工智能将生产过程简化为劳动者(人/智能机器)通过人工智能技术将劳动对象(数据)进行智慧化处理的过程。在这个过程中,人工智能技术本身及其所智慧化处理的事物都是新质生产力概念下的劳动对象。同时,人工智能可以大幅提升管理效率和组织效率,实现经济活动过程的智能化、绿色化,为培育新质生产力提供广阔的降本增效空间。此外,人工智能在引发生产方式变革和劳动形态演变的同时,还将加速推动相应法律框架、监管政策和保障机制调整和完善,进而破除生产、分配、交换、消费循环过程中的“梗阻”,推动产业结构和组织结构优化调整,形成与新质生产力相适应的新型生产关系。        当前,要清醒看到的是,与世界先进水平相比,我国基础研究相对薄弱,自主研发能力有待提升,在高端芯片、智能仪器仪表、核心算法、操作系统等与人工智能密切相关的科技领域仍存在“卡脖子”问题,这在技术源头上制约了人工智能对新质生产力的赋能作用。另外,在人工智能与产业融合过程中,一些传统产业和中小企业面临技术设备落后、专业化人才不足、融资难融资贵等问题,缺乏智能化转型的内生动力,也在一定程度上阻碍了产业结构优化升级和新质生产力快速发展。 打造具有国际竞争力的数字产业集群        2024年《政府工作报告》明确提出,深化大数据、人工智能等研发应用,开展“人工智能+”行动,打造具有国际竞争力的数字产业集群。当前,要紧密围绕新质生产力的发展方向,充分发挥我国超大规模市场应用场景丰富的独特优势,通过数据驱动、算法优化、模型创新等手段,加快人工智能领域的科学技术创新,以人工智能高质量发展和高水平应用培育经济发展新动能。        一是完善人工智能发展顶层设计,为赋能新质生产力谋篇布局。应全面推进涵盖算法、数据、深度合成等领域的人工智能立法工作,依据不同应用场景进行分级分类监管,为人工智能赋能新质生产力营造良好法治环境。针对传统产业和中小企业智能化转型中的痛点难点,推动财税、金融、科技、人才等政策齐发力,实施靶向精准扶持。此外,综合考虑各地资源禀赋、产业基础、科研条件等,推动地方政府因地制宜出台“人工智能+”行动方案,形成各地发展新质生产力的特色路径。        二是释放人工智能创新动能,为新质生产力发展提供科技支撑。应加快推进人工智能基础理论研究和关键共性技术研发,在智能芯片、大模型算法及框架等基础关键技术和产品上取得突破,打破人工智能赋能新质生产力的技术制约。另外,着力打造“政产学研金服用”协同联动的人工智能创新体系,推动创新链产业链资金链人才链深度融合,基于市场需求促进创新要素有效配置,助力人工智能创新成果加速转化为新质生产力。         三是加强人工智能人才队伍建设,夯实新质生产力发展的人才根基。基于人工智能技术革新和产业智能化转型的实际需要,深化高校在人工智能领域的人才培养改革,促进学科融合,自主培养一批人工智能领域相关学科的高层次基础理论人才和复合型创新人才。此外,面向全球引才引智,构建“引育留用”全链条人才服务体系,重点引进具有基础科学、信息技术及交叉学科领域背景的顶尖科学家和青年人才,形成激发科技创新和新质生产力发展的“源动力”。         四是建设人工智能产业集群,推动新质生产力发展集群成势。结合各地基础和优势,围绕产业链搭建多层次集群创新平台,集成和开放人工智能技术创新基础设施和服务资源,加快建设人工智能产业集群和创新高地。同时,充分发挥龙头企业带头作用,促进产业链上下游大中小企业间数据共享、业务联动与资源共享,激发涌现更多专精特新中小企业,进而形成人工智能产业集群协同发展生态,打造人工智能赋能新质生产力的集群优势。 (作者系同济大学经济与管理学院特聘教授 刘虎沉) (责编:王震、陈键) 关注公众号:人民网财经 分享让更多人看到
  • 《人工智能帮助新药研发》

    • 来源专题:中国科学院文献情报制造与材料知识资源中心 | 领域情报网
    • 编译者:冯瑞华
    • 发布时间:2018-12-03
    • 在古代,神农尝百草,这其实就是人工筛选药物的过程。 在现代,看过电影《我不是药神》的人也会知道,新药研发的成本是极高的。 在综艺节目《奇葩说》中,经济学家薛兆丰提到:每一款新药研发的周期大约是20年,平均每款新药的研发费用高达20亿美元。 所以,新药研发是一个高风险高回报的行业。 人工智能时代,情况有了很大的变化,人工智能可以对新药研发有很大的帮助。 药的分类 要理解人工智能对新药研发的帮助,首先需要对药物做一个大致的分类。从药物分子的大小来分,一般可以把药物分为二类。 1. 化学药 化学药的起效成分是单一、明确的化学小分子,分子量通常小于 1000 道尔顿(也就是1000个质子质量)。这种药可以通过实验室化学合成制备,其分子结构可以用紫外可见分光光度计,核磁共振与红外光谱仪等仪器鉴定。这种药物分子可以直接进入细胞产生药效。 著名的阿司匹林(aspirin)就是一种化学药,阿司匹林于1899年3月由德国化学家发明,可用于治疗感冒、发热、头痛等病症。再比如伟哥(viagra)是由美国辉瑞研制开发的一种口服治疗男性性功能障碍的药物,在音乐人李宗盛等人演唱的《最近比较烦》这首歌中,有这样一句“我梦见和饭岛爱一起晚餐, 梦中的餐厅灯光太昏暗, 我遍寻不着那蓝色的小药丸”,这个蓝色的小药丸就是伟哥 ,这也是一种化学药。 2. 生物药 生物药一般是抗体、蛋白(多肽)、核酸类药物,分子量通常远大于1000 道尔顿。所以生物药是大分子药。 比如治疗糖尿病的人工胰岛素就是一种生物药。1958年,中国科学院在王应睐、曹天钦、邹承鲁、钮经义、沈昭文等先生的带领下,正式启动人工合成胰岛素项目,1966年取得巨大成功。我国人工合成的胰岛素其实就是一种人工合成的蛋白质分子,这是一种生物药。 对于人工智能新药研发来说,多数情况下比较适合处理化学药,对于大分子生物药的研发,目前的人工智能技术还有点力不从心。 新药研发与药物靶点 要理解新药研发,我们还要看一下为什么一个人会生病——因为药物是用来治病的。从分子生物学的角度来说,有的病情是由于分子的表达缺失引起的,比如胰岛素降低引起糖尿病;也有的病情是因为分子的表达过强引起的,比如组胺过高引起过敏。 那么,人为什么会生病呢?因为身体是由细胞组成的,细胞是由化学小分子和生物大分子共同组成,它们并不是简单地拼凑在一起,而是相互级联作用构成一个复杂庞大的网络,不同的生理功能可以看成这个巨大网络中一条条串联的线路。 我们身体的疾病,除了外科损伤之外,多数是这个网络上某个线路发生了异常,这就好像某条交通线发生了堵塞一样。吃药的目的就是打开这个拥堵点。这个拥堵点也就是药物分子需要作用的“靶点”。 在分子生物学出现之前,没有药物靶点这个概念。在那个时候,无论是全球各地的草药,还是偶然发现的青霉素,都是根据经验、猜测或者迷信来揣度人体的发病原因。中药就是其中一个例子,一般中药有副作用,这就是因为中药不是根据分子生物学设计出来的,所以它的靶点很散乱,相当于是用散弹枪去打靶,而现代西药则好像是用狙击枪去打靶。 因此,人体内的所有分子都可能成为潜在的靶点,这些分子有可能在细胞膜上,或者在细胞质里,有些可能在细胞核里;这些分子也可能在血液里,或者在大脑中——不同分子的特点不同。比如抗体等生物大分子只能与体液和细胞膜上的分子结合,而化学小分子则更容易穿透细胞膜甚至进入细胞核发挥作用。不同药物进入体内的方式是不同的,一个好的药物需要保证它们不要在进入体内的途中损失掉(比如被胃液的酸性腐蚀等等)。而且药物的设计必须有很好的靶向性,比如有的药需要进入大脑,那么就需要穿过血脑屏障;有的药为了不影响婴儿,则希望它不要透过母婴屏障。最好的药物设计的标准是:设计出来的药只与想治疗的器官和分子发挥作用,而不产生其他的副作用。但是,由于生物功能是一条线路,这个线路上可能不止一个分子有成为靶点的潜力,因此要找到最关键的靶点才会最有效果。但事情没有那么简单,在生物体中,同样一个分子可能是多功能的,如果抑制了这个分子,可能就会引起其他正常功能的损伤,这就是产生副作用,有些副作用还很严重,因此,要选择非常干净特异的分子作为药物靶点。 药物靶点这个概念是分子生物学发展的产物,尤其是基因测序技术发展起来之后才有的新概念。通过研究找到真正作用的原因(分子机理),可以为药物研发提供了新的原理。 人工智能帮助新药研发 人工智能是需要有大数据作为原料的,而新药研发领域其实是一个大数据非常丰富的宝库,因此这为人工智能提供了用武之地。比如1959年《药物化学》杂志创刊至今,至少发表了45万种化合物作为药物的研究对象,这是一个巨大的数据库,对于这样的大数据,人工智能可以发挥它的独特作用。 不久前,《科学美国人》与世界经济论坛发布了2018年十大新兴技术,人工智能辅助化学分子设计——机器学习算法加速新药研发就是其中之一。 目前,在全球有至少100家企业正在探索新药研发的人工智能方法,在国外,葛兰素史克、默克、强生与赛诺菲公司都已经布局人工智能新药研发。在中国,也涌现了深度智耀、零氪科技与晶泰科技等人工智能新药研发企业,药明康德也战略投资了美国的一家人工智能新药研发公司。 对于化学分子的设计而言,以前的设计是通过人员对分子各种侧链和基团化学性质的经验,人工设计药物。这个过程就跟程序员写程序一样,有的人有天分,写一个程序就能成功运行,有的人没天分,设计了许多也没有好用的。因此,在当时就有很多人说,药物的化学设计是一种艺术,甚至是一种玄学。 现在,则可以用机器来学习药物和药物靶点的结合特点,从而让机器来进行药物设计,这也能大大提高成功设计的概率。人工智能通过计算机模拟,可以对药物活性、安全性和副作用进行预测。 人工智能可以应用在药物开发的不同环节,包括虚拟筛选苗头化合物、新药合成路线设计、药物有效性及安全性预测、药物分子设计等。为什么人工智能提高新药研发的效率呢?因为人工智能有很强大的发现关系的能力,还有很强大的计算能力。在发现关系方面,人工智能可以发现药物与疾病的连接关系,也能发现疾病与基因的连接关系。在计算能力方面,人工智能可以对候选的化合物进行筛选,更快筛选出具有较高活性的化合物,为后期临床实验做准备。人工智能在化合物合成与筛选方面可以比传统手段阶段40%的时间,每年为药企节约上百亿的筛选化合物的成本。 人工智能技术的出现,为中国在新药研发的国际竞争中实现弯道超车提供了一定的可能性。