12月7日，生成微软研究院AI4Science团队推出基于扩散过程的像生像样新材显神生成模型MatterGen，可直接生成具有所需特性的成图新型材料。MatterGen能够逐步细化原子类型、通丨坐标和晶格结构，科创生成晶体材料，生成生成方式类似于DALL-E 3生成图像；同时还具有适配器模块，像生像样新材显神能够针对特定的成图化学组成、对称性及物理特性（如磁密度）进行微调，通丨实现定制化的科创材料设计。
材料科学的生成核心挑战，是像生像样新材显神发现具有所需特性的材料。过去，成图人们需要先找到新材料，通丨然后根据应用进行筛选。科创MatterGen的出现，挑战了传统物质筛选和人工直觉的局限性。研究团队还表示，MatterGen生成的新颖独特结构比目前最先进的SOTA模型（CDVAE）稳定性高2.9倍，能生成接近能量局部最小值17.5倍的结构。
这距离DeepMind带给人们的震撼，才刚刚过去一周。
11月30日，两篇《自然》（Nature）论文报告了谷歌人工智能实验室 DeepMind开发的深度学习工具“材料探索图形网络” GNoME（Graph Networks for Materials Exploration），不仅预测了220万个全新晶体结构，其中38万种已经通过稳定性预测的新化合物，还在17天内全自动合成了41种新无机化合物。
GNoME采用图神经网络（GNN）架构，通过主动学习来发现新材料。鉴于过去10年才发现28000种稳定材料，这一研究相当于人类近800年的知识积累。
AI助力，材料设计正在向一个更加高效、智能的新时代迈进。
AI在自然科学领域的潜力巨大。这些年，AI4Science（又称AI for Science）的成果集中爆发，在生物医药、材料、物理、化学甚至数学领域发挥着越来越重要的作用。
作为科学发现的第五范式，AI4Science和经验范式、理论范式、计算范式、数据驱动范式互相促进，共同推进科学研究的飞速发展，不断拓展人类认知的边界。
12月6日，谷歌发布多模态模型Gemini，可以归纳并流畅地理解、操作、组合文本
