97青草最新免费精品视频,九九热这里有精品

國產(chǎn)開源大模型DeepSeek強勢出圈，憑借出色的算力和推理能力、低成本優(yōu)勢得到全球用戶喜愛，國內(nèi)各大企業(yè)紛紛跟進部署應(yīng)用，新一輪AI狂潮席卷中國。

科技是第一生產(chǎn)力，“AI + ”賦能之下，人類文明進入新的發(fā)展階段。在生物學領(lǐng)域，科學家用 AI 技術(shù)進行蛋白質(zhì)結(jié)構(gòu)設(shè)計，創(chuàng)造全新蛋白質(zhì)。在醫(yī)藥領(lǐng)域，AI技術(shù)能將藥物發(fā)現(xiàn)、臨床前研究時間縮短近40%。在AI技術(shù)賦能下，很多行業(yè)爆發(fā)驚人能力。2024年的諾貝爾獎將AI技術(shù)推到了科學舞臺的中央。

當AI與電化學催化劑篩選研究融合在一起，會產(chǎn)生什么樣的火花？一起了解下。

1、AI縮短催化劑研究篩選時間

在綠氫技術(shù)研發(fā)中，Ru 基 OER 催化劑是一種很有前途的 Ir 替代品。然而，OER 過程中 Ru 原子的過度氧化會導(dǎo)致可溶性 Ru^＞4+?物質(zhì)的形成，顯著縮短催化劑的壽命。若按照傳統(tǒng)路徑進行研究，經(jīng)年下來，青絲早已熬成白頭！

有了AI技術(shù)，時間可以大大縮短。國外有科學家應(yīng)用AI技術(shù)快速分析預(yù)測2000種金紅石氧化物結(jié)構(gòu)的 Pourbaix 電化學穩(wěn)定性（ΔGpbx），從而將催化劑候選材料研究縮小到16個。大大提升了研究進度。

在HER研究領(lǐng)域，AI也是大放異彩。基于高熵氧化物 (HEOs)的豐富的活性位點、可調(diào)節(jié)的比表面積、穩(wěn)定的晶體結(jié)構(gòu)、獨特的幾何相容性和電子結(jié)構(gòu)等特性，有科學家提出了一種用于發(fā)現(xiàn)高熵尖晶石氧化物 (HESOs) 的主動學習框架，展示了其在實驗數(shù)據(jù)有限情況，用AI技術(shù)識別1.4萬個高熵氧化物。

2、AI催化劑篩選應(yīng)用“3步走”

隨著科技的發(fā)展，數(shù)據(jù)越來越龐大，綜合交叉越來越多，科研需要卓越的數(shù)據(jù)擬合與處理能力，AI順應(yīng)了生產(chǎn)力發(fā)展的要求。

AI技術(shù)需遵循3個流程：數(shù)據(jù)收集、模型訓(xùn)練、模型應(yīng)用。涉及到數(shù)據(jù)庫建設(shè)、催化結(jié)構(gòu)特征選擇與提取、評價反饋與驗證優(yōu)化等內(nèi)容。

其實，近現(xiàn)代科技發(fā)展規(guī)律也是“三步走”：實驗數(shù)據(jù)積累、構(gòu)建數(shù)學模型，推導(dǎo)預(yù)測原理。AI技術(shù)的“3步走”邏輯，非常符合科學發(fā)展規(guī)律。

2024年11月，中國科學技術(shù)大學李微雪教授團隊通過先進的人工智能（AI）算法，揭示了金屬-載體相互作用的本質(zhì)。該團隊收集了25種金屬和27種氧化物的實驗數(shù)據(jù)，然后應(yīng)用一種可解釋性AI算法，從材料的基本性質(zhì)出發(fā)，將材料已知的物理化學參數(shù)迭代地通過數(shù)學組合，構(gòu)建一個由300億個表達式組成的候選空間，基于壓縮感知原理，從300億個表達式中得到一個能再現(xiàn)所有實驗數(shù)據(jù)的方程。成功建立了“金屬-載體相互作用”與材料性質(zhì)之間的本征控制方程。這項研究工作展示了可解釋性AI算法的巨大潛力。