生成式人工智慧（GenAI/AIGC）使軟體能夠創造新的程式碼、詩歌、交響樂並普遍翻譯語言。對於位元世界來說，這一切都很棒。
原子世界又如何呢？
我們展示了我們的人工智慧從頭開始設計鋰離子電池陰極。
在20世紀30年代初，當量子力學作為一幅拼圖終於湊一起時（海森堡的不確定性原理，糾纏，疊加和自旋都被發現），很明顯，原子的行為是由一套不同的幾乎陌生的規則決定的。
最引人注目的發現之一來自保羅·狄拉克，他預言了反物質的存在。他清楚地認識到：
- 所有的材料或化合物，無論是代表Advil的一團原子，還是下一代太陽能電池或電池，都有一個與之相關的多體薛定諤方程（many body Schrödinger equations）。
- 如果我們能計算出這些方程的解，就能預測出許多相關的性質。
太瘋狂了！這意味著每一種可以想象的材料，無論是我們已經發現的東西，比如青銅或塑膠，一直到我們可以想象的任意化合物和先進材料，都具有這種預測能力。
然而，事實證明，即使在今天，儘管我們的超級計算機功能強大，但對於數十個原子或更多的相關係統大小，以精確形式找到多體薛定諤方程的解仍然是一個計算上難以解決的問題。
他們根本無法解出這些方程。為了解決這個問題，Kohn Sham和一些同事發現了一種方法，透過引入一些聰明的“技巧”來解決這個問題，可以近似解決我們關心的材料的許多體薛定諤方程。
第一個主要技巧是引入玻恩-奧本海默近似。
- 薛定諤方程只是原子世界的 F=MA 等價物。
- 給定一組初始條件和邊界條件，並利用能量和動量守恆定律，我們就能預測原子系統的演化過程，以及在一定時間後它們應該在哪裡 "定居"。
這一點非常重要，因為它將告訴我們一些直接影響日常生活中材料行為的特性。 在製造材料和化合物之前，我們就可以預測它們的導電性、耐熱性、機械強度和光學效能，而且準確度相當高，適用於越來越多的工業應用。
回到玻恩-奧本海默近似......薛定諤方程包含兩個重要概念：波函式和哈密頓。
- 波函式表示原子/電子和亞原子粒子的位置和動量。
- 哈密頓方程編碼系統中的勢能和動能。
這些方程是非常複雜的高維偏微分方程，需要求解。
為了簡化這些方程，玻恩和奧本海默意識到，他們可以忽略原子核的動能貢獻，因為原子核與電子的相對速度實際上為零，而電子正在飛速旋轉。
這就大大簡化了問題！ 我們只需單獨擔心電子哈密頓。
Kohn Sham 等人的下一個主要技巧是使用密度函式：
他們意識到：
- 我們可以透過引入代表給定哈密頓的基態或解的函式（函式）來逼近薛定諤方程的解。
- 因此，密度函式論（DFT）應運而生。
密度泛函理論是一種近似方法，因此在某種程度上總會出錯。不過，它能讓我們在一定程度上預測先進材料的行為，這已經足夠頻繁，以至於它成為材料科學家在查閱文獻和初步實驗測試之後首先要做的事情之一。
你想知道：你將花費數百萬美元、數月或數年時間研究的材料是否會按照你預期的方式執行。
- 也許你想到的是一種能顛覆汽車行業的新型合金，
- 或者是一種具有特定結構-活性特性的新型藥物，從而能夠治癒神經退行性疾病。
對計算機來說，這都是同一類問題。
我們在大型 DFT 資料集、分子動力學（原子及其電子的運動和相互作用）以及物理現實世界資料上訓練我們的人工智慧，以便對新材料做出有用的預測。
在這種情況下，我們想做一個簡單的測試，看看能否預測出與鋰離子鎳錳鈷（NMC）正極家族相關的二鋰化結構。
- 按照傳統方法，您需要從一些已知的結構入手，並在此基礎上進行迭代，這將花費成千上萬倍的時間（以及更高的成本）來預測。
- 而我們從任意的原子組合開始，在幾秒鐘內就能預測出穩定的結構。
這正是我們工作的重中之重，因為利用人工智慧可靠、持續、高效地預測可在實驗室合成的新型穩定結構，在很大程度上仍是一項尚未解決的艱鉅任務。
如今，人工智慧在材料發現方面的作用仍然令人震撼。 未來是奇異的。