据外媒报道，Facebook公司日前宣布，已经与美国卡内基梅隆大学化学工程系共同启动了一个催化剂项目，以利用人工智能技术将量子力学模拟工作加快1,000倍，从而发现更高效和可扩展方式所需的新型电催化剂，将使电池储能系统储存更多可再生能源。
Facebook公司合作开发的这个项目有可能显著加快全球向可再生能源转变，消减与现有电催化剂相关的高成本，Facebook公司科学家Larry Zitnick在10月14日发布的一篇博客文章中写道：“这项研究的储能技术（如电池储能系统）提供可扩展的替代方案，并在全球范围内提供清洁和可持续电力。”
作为该项目的一部分，Facebook公司和卡内基梅隆大学日前发布了一个数据集，以作为未来研究的基础。
从公用事业公司的预测维护到增强电网安全，人工智能技术已被广泛用于电力行业。在这种情况下，它被应用于基础研究的计算密集型任务。
Zitnick表示，很多储能开发和集成商致力于增加锂离子电池储能系统的持续放电时间，而如果持续放电时间需要长达数天或数周的时间，那么部署电池储能系统的成本十分高昂，因此需要开发可以大规模扩展的储能解决方案，这样充分利用风能和太阳能的电力，或者将多余的能源转化为氢气等其他燃料，其使用的方法通常效率低下或依赖于稀有而昂贵的电催化剂（如铂金），这限制了它们实用性。
他在文章指出：“研究的目标是发现驱动这些化学反应更低成本的催化剂。为了实现这一目标，我们正在开发一种开发催化剂的人工智能技术，它将比科学家如今采用的计算量大得多的模拟技术更快地准确预测催化剂原子之间的相互作用。”
作为该计划的一部分，Facebook公司发布了Open Catalyst（OC20）2020数据集，并让更广泛的科学人士参与到这项研究中来。
Zitnick写道：“该数据集是在实现涵盖更广泛的新材料和化学方法等方面迈出的重要一步。 发现有效的催化剂是一个艰巨的过程。研究人员将每年使用标准合成方法尝试发现三种或四种可能的催化剂成分，并利用量子力学工具和现代化的计算机实验室每年进行40,000次模拟。”
他指出，但是即使是数万次的模拟也不足以解决问题。
Zitnick写道：“假设催化剂是由40种已知元素中的三种元素合成的，那么就会有将近10000种元素的组合，但每种组合都必须通过调整元素的比例或配置来进行测试，届时其可能性将扩大到数十亿种。我们的目标是使研究人员每年筛选数十亿种可能的催化剂，利用人工智能技术来代替类似密度泛函理论的量子力学模拟工具。”
Zitnick强调了该项目的协作性质。他写道，“我们决心使技术社区能够在我们的工作和发展基础上继续努力，以尽快开发先进的技术。OpenCatalyst项目致力于共享我们未来的人工智能模型、基准和评估指标，以及我们创建的数据集。”
