谷歌DeepMind披露玻璃熔化、凝固AI模型，或应用于制造、医药行业
编辑：admin 日期：2020-04-07 14:23:41 / 人气：
除此之外，DeepMind认为，这项研究可以对一般物质和生物转变的见解发生变化，并可能导致制造业和医药等行业的进步。DeepMind将把一些通过模拟玻璃动力学而得到证实和发展的知识和技术应用到科学的其他核心问题上，目的是揭示我们周围世界的新事物。特别是，机器学习能够很好地研究一系列领域中基本问题的本质。
据悉，玻璃是由高温熔化的沙子和矿物的混合物冷却而形成的。就像固体一旦冷却过结晶点，可以抵抗拉力或拉伸，不过，这些分子在微观结构上类似于非晶态液体。而国际上，尽管西蒙斯基金会（Simons Foundation）在冷液体模拟算法方面有所突破，但是，目前还没有对玻璃转变和玻璃动力学预测理论进行完整描述。
这是因为，玻璃形成过程的中，有无数的未知数，比如，它是否存在结构相变，为什么冷却过程中的粘度会增加1万亿倍。众所周知，对玻璃化转变进行建模是一个值得研究的课题，其背后的物理基础是行为建模、药物输送方法、材料科学以及食品加工。但其中的复杂性，使得其成为一个难以破解的难题。
DeepMind团队利用玻璃容易被模拟和输入基于粒子的模型中，即可以被模拟形成一个互相排斥、相互作用的粒子。DeepMind建立了一个图形神经网络，由节点、线、弧等组成非线性数据结构来预测玻璃的动力学。其中，节点和边代表粒子和粒子之间相互作用。
同时，DeepMind通过构建几个数据集来验证他们的模型，这些数据集对应于不同温度下，不同时间范围内的流动性预测。在将图形网络应用于模拟的3D眼镜之后，他们发现该系统优于现有的物理启发基线和最先进的人工智能模型。与玻璃的弛豫时间匹配良好，短时间内与地面真值的相关性达到96%，与玻璃的弛豫时间的相关性达到64%。
中国软件网认为，AI人工智能，尤其是机器学习的应用范围愈加广泛，不断在各行各业与其他技术深度融合。此次，DeepMind的研究不仅对研究物理学理论有所启示，更对玻璃制造过程中，预测产品质量有所帮助。
事实上，自2016年DeepMind发布AlphaGo击败李世石后，不仅在科技业内引起轰动，更激发了AI产业的第三次浪潮。此后，DeepMind更将触角伸向医疗、保健领域，但深度学习对环境、数据存有依赖性，亦有局限性。同时，DeepMind如何商业化也是当前的难题。
内容搜索 Related Stories
推荐内容 Recommended
- 高速行车途中惊险一幕 铁扳手从天而降砸穿挡风玻璃09-23
- 台风天高层住户有点慌 宁波住宅玻璃的抗风性能你了解吗-浙江新闻-浙江在线09-20
- 技术解盘：玻璃高台跳水 燃料油三角收敛09-12
- 三亚海景玻璃栈道迎客09-01
- 商场玻璃碎裂划伤三岁女童08-29
- 暑期昆明再添刺激新玩场！西游洞玻璃丛林漂流正式运营08-25