AI模拟玻璃相变特性可能有什么用

谷歌（Google）旗下DeepMind描述一种新AI系统，可预测玻璃分子在液态和固态间转变时的运动，目前已对外释出可使用的开放原始码技术和训练模型，用以预测玻璃其他有趣特性，此外也有助未来社交行为精准预测的突破发展。

研究团队表示，除了玻璃之外，这项工作还可对一般物质和生物转变进行深入洞察与了解，并促进制造和医疗等产业发展，因为机器学习可谓是当前研究许多领域基本问题本质的最佳利器，透过经玻璃动力学建模所验证与发展的学习心得和技术，应用到科学其他核心问题，目的在揭开周围世界新事物的神秘面纱。

在经历一连串模型建立与测试之后，研究团队将图形网络套应至模拟3D玻璃，发现系统远远超过现有物理学基本水准和最先进AI模型。谷歌表示，有迹象表明，随着玻璃转变逼近，空间相关性会随之提升，且网络也学会如何截取它们。这些发现与某个物理图相吻合，也就是图中相关长度会随着玻璃转变的接近而增加，而相关长度的定义和研究正是物理学相变研究的基石。

DeepMind声称，收集到的洞见可能有助预测玻璃的其他特性。如同前述，玻璃转变现象不仅体现在窗玻璃，相关粒状物质阻塞相变可在冰淇淋、沙堆，和胚胎发育过程的细胞迁移，以及社交行为找到。

玻璃是这类复杂系统的原型，在元素位置会抑制其他元素运动的约束状态下运行。人们相信，更理解玻璃将对许多研究领域产生正面影响。举例而言，设想一种稳定但可溶解的新型玻璃结构，可用于药物传输和制造可再生聚合物。

DeepMind指出：“图神经网路不仅可帮助我们对一系列系统做出更佳预测，而且还指出哪些相关物理对系统的建模至关重要，以便机器学习系统最终帮助研究人员推导基本的物理理论，最终帮助增进而不是替代人类理解。”

责任编辑：Ct