\n<\/p>\n
DeepMind de Google ha encargado una IA para investigar materiales. El resultado eclipsa cualquier cosa que los humanos hayan logrado en esta \u00e1rea en los \u00faltimos siglos. Esto podr\u00eda hacer avanzar particularmente el sector de las bater\u00edas y el sector de los chips inform\u00e1ticos.<\/p>\n
\u2022 DeepMind de Google descubre 2,2 millones de nuevas sustancias
\u2022 Algunos de los materiales se pueden fabricar.
\u2022 Utilizado en muchas industrias<\/p>\n
Seg\u00fan un art\u00edculo de la revista Nature, el equipo de investigaci\u00f3n de DeepMind, filial de inteligencia artificial de Google, ha logrado un gran avance en el campo de la investigaci\u00f3n de materiales. En consecuencia, el equipo desarroll\u00f3 un algoritmo de IA que pudo predecir la estructura de m\u00e1s de dos millones de posibles nuevos materiales cristalinos. “Hoy, en un art\u00edculo publicado en Nature, anunciamos el descubrimiento de 2,2 millones de nuevos cristales, lo que equivale a casi 800 a\u00f1os de conocimiento”, confirm\u00f3 la empresa en una entrada de blog.
\n<\/p>\n
As\u00ed, la inteligencia artificial, que los investigadores denominaron “Graph Networks for Materials Exploration”, descubri\u00f3 en un a\u00f1o alrededor de dos millones de estructuras potenciales de materiales hasta ahora desconocidos, para las que podr\u00edan existir numerosas aplicaciones posibles en el futuro.\n<\/p>\n
La herramienta de IA calific\u00f3 algunos de los cristales descubiertos, 380.000 en total, como estables. Estos se consideran “candidatos prometedores para la s\u00edntesis experimental” y, por lo tanto, pueden producirse en condiciones de laboratorio y no se descomponen.
\n<\/p>\n
Seg\u00fan los investigadores, entre los materiales cristalinos que la IA considera prometedores se encuentran aquellos que aportan avances importantes y “tienen el potencial de desarrollar futuras tecnolog\u00edas transformadoras, desde superconductores hasta supercomputadores y bater\u00edas”. La pr\u00f3xima generaci\u00f3n es suficiente para aumentar la eficiencia de los veh\u00edculos el\u00e9ctricos. “.\n<\/p>\n
Para permitir que la inteligencia artificial resuelva la tarea, la IA de DeepMind recibi\u00f3 datos del Proyecto de Materiales. Esta recopilaci\u00f3n de datos contiene informaci\u00f3n sobre numerosas sustancias actualmente conocidas y sus estructuras asociadas. Los materiales m\u00e1s prometedores descubiertos por AI Graph Networks for Materials Exploration tambi\u00e9n deber\u00edan incluirse en la recopilaci\u00f3n de datos.
\n<\/p>\n
Cuando se trata de investigaci\u00f3n de materiales, la inteligencia artificial de Google DeepMind ha superado claramente a los cient\u00edficos. “En el pasado, los cient\u00edficos buscaban nuevas estructuras cristalinas optimizando cristales conocidos o experimentando con nuevas combinaciones de elementos: un costoso proceso de prueba y error que pod\u00eda tardar meses en producir resultados incluso limitados”, seg\u00fan el resumen de los investigadores de DeepMind. “El descubrimiento de GNoME de 2,2 millones de materiales representar\u00eda aproximadamente 800 a\u00f1os de conocimiento y demuestra una escala y un nivel de precisi\u00f3n sin precedentes en las predicciones”, continu\u00f3 DeepMind.\n<\/p>\n
Equipo editorial finanzen.net\n<\/p>\n<\/div>\n
Con los knock-outs, los inversores especulativos pueden participar desproporcionadamente en los movimientos de precios. Simplemente seleccione la palanca que desee y le mostraremos los productos abiertos adecuados en Alphabet A (ex Google)<\/p>\n
El apalancamiento debe estar entre 2 y 20<\/p>\n