Facebook Inc.的人工智能研究部门今天表示,它已经与卡内基·梅隆大学的化学工程系合作进行了一项合作项目,以使用AI来加速量子力学模拟。
这个想法是发现新的“电催化剂”,它们可以提供一种更有效和可扩展的存储和使用可再生能源的方法。Facebook AI研究科学家拉里·齐特尼克(Larry Zitnick)在博客中表示,该项目旨在解决风能和太阳能等可再生能源的间歇性问题。
问题在于,尽管这两种能源都是现代电网的重要组成部分,但目前还不能依靠它们,因为,当然,“太阳并不总是照耀着,风也并不总是吹来。” 他说,为了增加对此类能源的依赖,我们需要找到一种更好的方式来存储这种能量,以便在最需要的几天,几周或几个月后才能使用它。
显而易见的答案是将这种能量存储在锂离子电池中,但齐特尼克表示,由于成本过高,这是不现实的:根本没有足够的电池在全球范围内使用。
取而代之的是,Facebook和卡内基·梅隆大学的化学工程系提出了使用化学反应将多余的太阳能和风能转化为其他可以更容易储存的燃料的想法,例如氢或乙醇。这已经可以实现,但是现有的方法需要使用稀有且昂贵的电催化剂,例如铂。齐特尼克说,开放催化剂项目是一项努力,旨在发现可以驱动这些反应的新型,低成本催化剂。
这是一个很大的挑战。新催化剂的发现是一个艰巨的过程。它们需要至少由三种已知金属组成,我们总共知道40种金属,这意味着10,000多种可能的元素组合。更糟糕的是,必须通过调整每种元素的比例或构型来彻底测试每种组合,以确定其作为电催化剂的效率,这加起来有数十亿种可能性。
Zitnick说,该领域的大多数研究人员都使用诸如密度泛函理论之类的量子力学模拟工具进行此类研究,但即使是最先进的工具,每年也只能进行约40,000次模拟,这还远远不够。
Open Catalyst Project旨在加速这项研究并帮助科学家每年筛选数十亿种可能的催化剂,使用AI可以准确地预测原子相互作用,其速度要比当今现有的计算繁重的模拟快一个数量级。
齐特尼克说:“在人工智能的帮助下,耗费现代实验室时间的计算可能要花几秒钟的时间。” “如果我们要探索可能的催化剂的整个领域,则必须利用人工智能来进行DFT计算。”
为此,Facebook和卡内基·梅隆大学的化学工程系表示,他们将在GitHub上发布开源的Open Catalyst 2020数据集和一组基准机器学习模型,以加速这项研究。齐特尼克说,他希望该项目的开放性和协作性能够激发其他研究人员共同努力,为可再生能源开发新的电催化剂。他说,这是比任何单一学科或机构更大,更重要的举措。
“如果成功,这项研究将有可能极大地加速全球向可再生能源的转变,消除当前电催化剂带来的高成本,为昂贵的存储技术(如电池)提供可扩展的替代方案,并在全球范围内提供清洁和可持续的电力,”齐特尼克说。