幾百年來，人們一直是通過反復(fù)試驗(yàn)或者靠運(yùn)氣和偶然發(fā)現(xiàn)新材料?，F(xiàn)在，科學(xué)家們正在使用人工智能來加速這一過程。

最近，西北大學(xué)的研究人員用AI來解決如何生成新的金屬玻璃混合物的問題。這比起在實(shí)驗(yàn)室進(jìn)行實(shí)驗(yàn)快了200倍。

科學(xué)家們正在構(gòu)建由數(shù)千種化合物組成的數(shù)據(jù)庫(kù)，以便用算法來預(yù)測(cè)哪些化合物的組合會(huì)形成有趣的新材料。還有人用AI來分析已發(fā)表的論文挖據(jù)“材料配方”以產(chǎn)生新材料。

過去，科學(xué)家和建筑工人們只能將材料混合在一起看看能形成什么。比如，水泥就是這樣被發(fā)現(xiàn)的。隨著時(shí)間的推移，他們學(xué)習(xí)了各種化合物的物理特性，但大部分知識(shí)仍然只是基于直覺。

“如果你問為什么日本水淬鋼用于制作刀具最好，我覺得誰都回答不了，”美國(guó)國(guó)家標(biāo)準(zhǔn)與技術(shù)研究院材料基因倡導(dǎo)小組的主任James Warren說，“對(duì)于這種內(nèi)部結(jié)構(gòu)與迷人外表之間的關(guān)系，它們只有一種根據(jù)經(jīng)驗(yàn)而來的理解?！?/p>

Warren說，我們現(xiàn)在可以利用數(shù)據(jù)庫(kù)和計(jì)算機(jī)來快速確定是什么讓材料變得更堅(jiān)固或更輕，而不是憑經(jīng)驗(yàn)，這有可能變革整個(gè)行業(yè)。此外，原本發(fā)現(xiàn)一種材料并將其整合成產(chǎn)的時(shí)間可能需要超過20年，加速這一過程勢(shì)必會(huì)使我們獲得更好的手機(jī)電池和屏幕，更好的用于火箭的合金材料，以及更好的健康設(shè)備傳感器。

“任何事情只要是由物質(zhì)造成的，我們就可以改進(jìn)?！蔽謧愓f。

正如Warren所說，為了理解新材料是如何制造的，我們可以把材料科學(xué)家想象成廚師。假設(shè)你有雞蛋，并且你喜歡有嚼頭的食物，這些就是你想要的菜肴的特點(diǎn)，但你該怎么做呢？為了創(chuàng)建一個(gè)蛋白和蛋黃都結(jié)實(shí)的結(jié)構(gòu)，你需要一個(gè)配方，其中包含根據(jù)你想要的結(jié)果處理雞蛋的步驟，比如煮老一點(diǎn)。

材料科學(xué)使用相同的概念：如果一位科學(xué)家想要某些材料特性（比如說，輕便又堅(jiān)韌），她會(huì)尋找可以產(chǎn)生這些特性的物理和化學(xué)結(jié)構(gòu)，以及需要通過哪種處理過程，比如對(duì)金屬進(jìn)行熔化或捶打，來創(chuàng)造這樣的結(jié)構(gòu)。

建立“材料云”數(shù)據(jù)庫(kù)，雖不完美但已為科學(xué)家們創(chuàng)造了捷徑

數(shù)據(jù)庫(kù)和計(jì)算技術(shù)可以幫助人們找到答案。“我們對(duì)材料進(jìn)行量子力學(xué)級(jí)別的計(jì)算，這種計(jì)算非常復(fù)雜，因此我們可以在實(shí)驗(yàn)室中合成一種可能的新材料之前，就用計(jì)算機(jī)預(yù)測(cè)出它的屬性?！蔽鞅贝髮W(xué)材料科學(xué)家Chris Wolverton說，他主管開放量子材料數(shù)據(jù)庫(kù)。其他主要數(shù)據(jù)庫(kù)包括材料項(xiàng)目和材料云。數(shù)據(jù)庫(kù)還不完整，但數(shù)據(jù)量一直在增長(zhǎng)，并且已經(jīng)從中找到了令人興奮的發(fā)現(xiàn)。

瑞士洛桑聯(lián)邦理工大學(xué)研究員Nicola Marzari利用數(shù)據(jù)庫(kù)查找可剝離的3D材料，以創(chuàng)建僅有一層的2D材料。比如，被炒得沸沸揚(yáng)揚(yáng)的石墨烯，它由單層石墨(也就是鉛筆芯的材料)組成。像石墨烯一樣，這些2D材料可以具有非凡的特性，如強(qiáng)度，而這在其3D形態(tài)中是不存在的。

Marzari的團(tuán)隊(duì)用算法篩選來自多個(gè)數(shù)據(jù)庫(kù)的信息。他上個(gè)月在《自然納米技術(shù)雜志》上發(fā)表的文章中寫到，該算法在超過100,000種材料中，最終發(fā)現(xiàn)可以剝離成一層的材料大約有2,000種。

Marzari管理的“材料云”是一個(gè)材料“寶藏”，因?yàn)樵S多材料具有可以改善電子設(shè)備的特性，有些可以很好地傳導(dǎo)電力，有些可以將熱量轉(zhuǎn)化為水，有些可以吸收太陽能：它們可以用于計(jì)算機(jī)或電池中的半導(dǎo)體，因此Marzari團(tuán)隊(duì)的下一步就是密切研究這些可能的特性。

Marzari的工作是科學(xué)家如何使用數(shù)據(jù)庫(kù)來預(yù)測(cè)哪些化合物可能會(huì)產(chǎn)生令人興奮的新材料的一個(gè)例子。然而，這些預(yù)測(cè)仍需要在實(shí)驗(yàn)室中得到證實(shí)。并且Marzari仍然需要給他的算法定義某些規(guī)則，比如尋找弱化學(xué)鍵。AI可以創(chuàng)建一條捷徑：科學(xué)家可以告訴AI他們想要?jiǎng)?chuàng)造的東西，比如超強(qiáng)材料，而不是編制特定的規(guī)則，然后AI會(huì)告訴科學(xué)家生成新材料最佳實(shí)驗(yàn)方法。

Wolverton和他在西北大學(xué)的團(tuán)隊(duì)在本月出版的Science Advances雜志上的一篇論文中描述了AI 的運(yùn)用。研究人員渴望研制新的金屬玻璃(非晶態(tài)合金)，這種玻璃比金屬或玻璃更結(jié)實(shí)，但硬度卻更低，未來可以用于改進(jìn)手機(jī)和航天器。

斯坦福大學(xué)SLAC國(guó)家加速器實(shí)驗(yàn)室的共同研究者Apurva Mehta說，他們使用的AI方法與人們學(xué)習(xí)新語言的方式類似。語言學(xué)習(xí)的其中一種方法是坐下來記住所有的語法規(guī)則?！暗硪环N學(xué)習(xí)方法就是靠經(jīng)驗(yàn)和聽別人說話，”Mehta說。

他們的做法是把兩者組合起來。首先，研究人員瀏覽盡可能多的已發(fā)表的論文，了解如何制作不同類型的金屬玻璃。接下來，他們將這些“語法規(guī)則”提供給機(jī)器學(xué)習(xí)算法。然后該算法學(xué)會(huì)自己預(yù)測(cè)哪些元素的組合會(huì)創(chuàng)造一種新的金屬玻璃形式，這類似于通過去法國(guó)居住來改善法語，而不是無休止地背詞性變化表。Mehta的團(tuán)隊(duì)隨后在實(shí)驗(yàn)室中檢驗(yàn)了機(jī)器學(xué)習(xí)系統(tǒng)給出的建議。

科學(xué)家一次可以合成和測(cè)試數(shù)千種材料。但即使以這樣的速度，盲目嘗試每種可能的組合還是很浪費(fèi)時(shí)間?！八麄儾荒馨颜麄€(gè)元素周期表都拿來做嘗試，”Wolverton說，所以AI的作用是“為他們提供幾個(gè)入手點(diǎn)”。

AI的結(jié)果并不完美，還不能給出更進(jìn)一步的建議，比如所需元素的確切比例，但科學(xué)家們確實(shí)能夠用AI的結(jié)果生成新的金屬玻璃。另外，測(cè)試AI給出的結(jié)果意味著他們現(xiàn)在有更多的數(shù)據(jù)可以反饋給算法，所以每次重新預(yù)測(cè)都會(huì)變得更智能。

創(chuàng)建一份“食譜”或材料配方集

使用AI的另一種方式是創(chuàng)建一個(gè)“食譜”或材料配方集。在去年年底發(fā)表的兩篇論文中，麻省理工學(xué)院的科學(xué)家開發(fā)了一種機(jī)器學(xué)習(xí)系統(tǒng)，可以掃描學(xué)術(shù)論文，找出哪些論文包含制作某種材料的說明。它檢測(cè)出哪些段落包含“配方”的準(zhǔn)確率高達(dá)99%，并且該段落中找出原話的準(zhǔn)確度有86％。

麻省理工學(xué)院團(tuán)隊(duì)現(xiàn)在正在對(duì)AI系統(tǒng)進(jìn)行更精確的訓(xùn)練。他們希望為整個(gè)科學(xué)界創(chuàng)建這種“食譜”數(shù)據(jù)庫(kù)，但他們需要與這些學(xué)術(shù)論文的出版商合作，以確保其收集不違反任何協(xié)議。最終，團(tuán)隊(duì)還希望能夠訓(xùn)練系統(tǒng)閱讀論文，然后自行制作新的“食譜”。

麻省理工學(xué)院材料科學(xué)家及共同研究者Elsa Olivetti：“我們的其中一個(gè)目標(biāo)是對(duì)于已經(jīng)發(fā)現(xiàn)的材料，找到更有效，更低成本的生成方法。另一個(gè)目標(biāo)是，對(duì)于計(jì)算機(jī)預(yù)測(cè)出的化合物，我們能否提出一系列更好的方法來生成它？”

挑戰(zhàn)：模型預(yù)測(cè)考慮不到現(xiàn)實(shí)因素

人工智能和材料科學(xué)的未來看起來很有前景，但依然存在挑戰(zhàn)。首先，計(jì)算機(jī)無法預(yù)測(cè)一切?！斑@些預(yù)測(cè)本身就有錯(cuò)誤，并且經(jīng)常是在簡(jiǎn)化的材料模型基礎(chǔ)上預(yù)測(cè)，而不考慮真實(shí)情況”，EPFL的Marzari說。有各種各樣的環(huán)境因素會(huì)影響化合物的行為，比如溫度和濕度，大多數(shù)模型沒有考慮這些因素。

Wolverton認(rèn)為另一個(gè)問題是我們?nèi)匀粵]有足夠多的的所有化合物的數(shù)據(jù)資料，缺乏數(shù)據(jù)意味著算法不會(huì)很智能。也就是說，他和Mehta現(xiàn)在希望在除金屬玻璃以外的其他類型的材料上使用他們的方法。他們希望有一天，生成新材料不再需要由人來做實(shí)驗(yàn)，而只是AI和機(jī)器人就夠了?！拔覀兛梢詣?chuàng)建一個(gè)真正完全自主的系統(tǒng)，”Wolverton說，“沒有任何人參與的系統(tǒng)?！?/p>