DeepMind在《自然》期刊上发表人工智慧在材料科学上的最新应用，人工智慧工具GNoME发现了220万种新的晶体，并且经确认其中有38万种属於能够在实验室制造的稳定材料，具有绿色技术潜能，可用作开发电动车电池或是超导体等。
从电脑晶片、电池到太阳能电板都需要用到无机晶体，要实现新的技术，科学家便需要开发新的晶体，但晶体必须要足够稳定不分解才能够被使用，研究人员提到，每种新晶体开发，都需要经过数个月的测试与实验。
目前ICSD资料库中，约有2万种晶体在计算上被认为稳定，由Materials Project等团队透过计算方法，又找出了2.8万种。过去10年所发展的人工智慧方法，虽然已经加快了发现新晶体结构的速度，但是过程仍然非常耗时且高成本。DeepMind的新工具GNoME则突破了之前人工智慧方法，在准确预测实验可行材料上的限制，新发现了220万种材料，相当於过去要花800年研究的知识。
GNoME开发材料的效率非常高，像是找出了5.2万种属於石墨烯新型层状化合物，而在之前，人类只监定出约1,000种类似的材料。另外，GNoME还发现528种潜在的锂离子导体，导电度可达之前材料的25倍。科学家认为，这些发现将有助於改善电子产品和充电电池效能。GNoME所发现的220万种材料中，有38万种晶体在目前的科学标准下被认为是稳定的，高机率能够在实验室成功制造的材料结构。
之所以GNoME能够有效率地找出这麽多稳定晶体，主要是采用两种策略来寻找材料，第一种是根据已知晶体结构创造候选物，另一种则是基於化学式，以更随机的方式探索候选物结构。GNoME透过图神经网路技术处理和分析这两种方法的输出，并透过密度泛函理论（Density Functional Theory，DFT）计算，来评估这些候选物的稳定性。此外，GNoME还用了一种称为主动学习（Active Learning）的方法来提高预测精准度和效率，进而大幅增加发现新材料的速度和成功率。
GNoME专案的目标是降低发现新材料的成本，目前全球的科学家，已独立在实验室制造出736种GNoME所预测的新材料，这证明了GNoME预测在现实中的准确性与可行性。DeepMind现在将GNoME新发现的晶体资料库公开给研究社群，协助科学家测试和制造候选材料。
此外，柏克莱实验室还应用机器人技术，以自动合成的方式制造新材料，目前已经成功合成41种新材料，进一步证明了人工智慧在材料合成上的可能性。