對于太陽能和風(fēng)能等可再生能源的不可預(yù)測性，我們的傳統(tǒng)解決方案通常是將多余的能源數(shù)回當(dāng)?shù)仉娋W(wǎng)，或?qū)⑵涓綦x在公用事業(yè)規(guī)模的電池中。但隨著我們越來越多的發(fā)電是由可再生能源創(chuàng)造的，它們的生產(chǎn)能力有可能超過當(dāng)?shù)仉娋W(wǎng)，而電池技術(shù)的規(guī)模成本可能很快變得令人望而卻步。

另一種選擇是將多余的能量用于驅(qū)動催化反應(yīng)。CMU化學(xué)工程和材料科學(xué)與工程系助理教授Zack Ulissi告訴Engadget：“我們可以通過很多不同的方式來儲存能量。最著名的是你把水電解成氫和氧?！彼a(bǔ)充說：“我們還可以用它生產(chǎn)甲醇，這是化學(xué)工業(yè)的基本原料，也可以制造乙醇作為液體燃料?！庇捎诎⒖仙髮W(xué)和布魯克海文國家實驗室2019年的一項發(fā)現(xiàn)，我們甚至可以重新催化乙醇，在任何燃燒的情況下直接從各自的分子中剝離電子。

但是為了使催化過程可行和有效，催化劑必須盡可能高效。然而，考慮到催化劑通常由3-或4-元素組合而成，而該組合來自于近50個潛在元素，如果再加上其他一系列的化學(xué)和結(jié)構(gòu)變量——從成分比例到元素結(jié)構(gòu)再到催化劑的物理表面形狀——就有數(shù)十億種潛在的方法可以制造出“最好的”催化劑。這只是一個化學(xué)反應(yīng)。

研究新的潛在化合物的過程相當(dāng)緩慢，因此為了幫助加速催化劑的生成過程，F(xiàn)acebook人工智能與卡內(nèi)基梅隆大學(xué)（Carnegie Mellon University）合作開展了開放催化劑項目。據(jù)該公司近日的一篇博客文章稱，他們計劃在開源數(shù)據(jù)上訓(xùn)練機(jī)器學(xué)習(xí)算法，以“準(zhǔn)確預(yù)測原子間的相互作用，大大快于科學(xué)家們今天所依賴的大量計算的模擬”。

這些模擬包括密度泛函理論（DFT），化學(xué)工程師將經(jīng)常使用該量子力學(xué)系統(tǒng)來尋找最有前途的候選人，并避免潛在的研究僵局。

Ulissi解釋說：“密度泛函理論是解決電子在系統(tǒng)中相互作用方式的一種方法，現(xiàn)在，如果您認(rèn)為使用量子力學(xué)來模擬多體系統(tǒng)中電子，原子和分子的相對運(yùn)動，以試圖找到具有最低最終能量（“松弛狀態(tài)”）的構(gòu)型，則需要大量的處理能力和計算時間，即使可以訪問Facebook的服務(wù)器，單個候選材料迭代的松弛計算也可能需要12到72小時。

因此，F(xiàn)acebook和CMU并沒有試圖強(qiáng)行應(yīng)用這些數(shù)十億個排列的方法，而是建立了Open Catalyst 2020數(shù)據(jù)集，該數(shù)據(jù)集統(tǒng)計了所吸附在130萬個分子在表面上的情況，并計劃利用它來訓(xùn)練“基本物理學(xué)”上的機(jī)器學(xué)習(xí)算法。指導(dǎo)量子力學(xué)，教授模型以根據(jù)過去的數(shù)據(jù)估算分子的能量和作用力?！?/p>

Facebook AI研究科學(xué)家拉里·齊特尼克（Larry Zitnick）在周三的博客文章中指出，不僅如此大的數(shù)據(jù)集不僅應(yīng)該有助于極大地改善ai學(xué)習(xí)模型的能力，而且還可以教會他們“在無機(jī)界面上控制分子的基本物理原理”。

如果研究人員成功地訓(xùn)練了ML模型，“我們可以花費(fèi)過去八個小時的時間，很可在一秒鐘之內(nèi)完成它們……我們我希望基本上用ai學(xué)習(xí)算法取代DFT?！?/p>

“這就是我們的目標(biāo)，”， “我們想親自開始進(jìn)行大規(guī)模的催化探索，而不僅僅是測試10或10,000、100,000或數(shù)百萬，而是開始測試數(shù)十億種不同的可能性?！?/p>

因此，Open Catalyst 2020數(shù)據(jù)集已開源，可供研究團(tuán)體使用。Zitnick希望在不久的將來使用數(shù)據(jù)集舉辦一次Facebook挑戰(zhàn)賽。

原文標(biāo)題：Facebook部署人工智能尋找可在生能源存儲解決方案

文章出處：【微信公眾號：IEEE電氣電子工程師學(xué)會】歡迎添加關(guān)注！文章轉(zhuǎn)載請注明出處。

責(zé)任編輯：haq