从人工智能机器人AlphaGo大战围棋世界冠军韩国棋手李世石，到人工智能程序AlphaFold预测蛋白质折叠，再到去年用AI控制核聚变反应登上《自然》杂志，谷歌旗下人工智能公司DeepMind已将人工智能算法深入到足以改变世界的领域。
【新智元导读】如果问研究人员，世界上最强的AI实验室有哪些？大家肯定是「萝卜白菜，各有所爱」，但可以肯定的是，最顶尖的三甲不会动摇：DeepMind、OpenAI和FAIR。然而，也有人质疑，这三家实验室的名声在外，也有「强行公关」的成分。
继此前振奋业界的蛋白质预测成果之后，今日，DeepMind又一个硬核研究亮相，在这篇名为Magnetic control of tokamak plasmas through deep reinforcement learning的nature文章，DeepMind的科学家和来自Swiss Plasma Center - EPFL的研究者，共同提出了一种强化学习算法，来控制托卡马克核聚变反应堆内的等离子体。
几十年来，研究人员利用 DFT 对事物进行预测:2014年，化学家 Christopher H Hendon 等人用 DFT 理论量化物种常见的咖啡酸、咖啡因与代表性风味成分丁香酚的热力学结合能，由此掌握了咖啡味道形成的奥妙;
这已经是他在 Nature 发的第 8 篇论文，距离上次发表 Science 仅过去 3 个月。在该研究中，研究人员在魔角扭曲的三层石墨烯中发现了 “让人意外” 的超导现象，这对于常态下不具有强自旋轨道耦合的系统来说，是个意想不到的观察结果。
相关研究以「Pourbaix Machine Learning Framework Identifies Acidic Water Oxidation Catalysts Exhibiting Suppressed Ruthenium Dissolution」为题，发表在《Journal of the American Chemical Society》上。当然，下一步是在现实条件下测试合金，看看它是否能发挥作用。
每经记者：蔡鼎 每经编辑：兰素英从新能源汽车电池到太阳能电池，再到计算机芯片等诸多领域，一旦有新材料发现，无疑可加速技术层面的突破。不过，新材料的研发通常需要科学家们花费数月甚至数年的时间进行反复试验和验证。
