現在，由美國能源部SLAC國家加速器實驗室、國家標準與技術研究院(NIST)和西北大學的科學家領導的一個科學小組報告，他們找到了發現和改進金屬玻璃的捷徑，僅用較少時間和成本，就能發現新材料。
發現新材料速度快200倍
理想的狀況是，將兩種或三種金屬融合在一起，會得到看起來像金屬的合金，其原子排列成剛性幾何圖形。
科學小組利用斯坦福同步輻射光源中一個結合了機器學習的新系統，能快速篩選數百種樣品材料，使團隊發現了3種新混合物制成的金屬玻璃成分，速度比以前快200倍。
西北大學教授克里斯·沃爾夫頓是使用計算機和人工智能預測新材料的先驅，也是論文合作者之一。他說，通常需要十年或二十年的時間，新材料才能完成從發現到商用的過程，“這一成果極大縮短了新材料發現所花費的時間。”
材料科學的前景將改變
在過去的半個世紀里，科學家一共才研究了大約6000種金屬玻璃的組成成分，而這套新系統能夠制作并篩選20000種成分。
雖然有其他團隊也在使用機器學習預測尋找不同種類的金屬玻璃，但此次科學家通過實驗的快速驗證和預測，然后將結果循環到下一輪機器學習和實驗中，是此次進步的獨特之處。
實際上，這種方法可以用于各種實驗，特別是在尋找材料，如金屬玻璃和催化劑方面大有裨益。NIST材料研究工程師杰森·海垂科-席目爾說，人工智能將改變材料科學的前景。
為全球科學家提供實用工具
該論文是美國能源部資助此項目的第一個科學成果，SLAC正在與硅谷人工智能公司Citrine Informatics合作，改變了新材料的發現方式，為全世界科學家提供了實用的工具。
該公司由斯坦福大學和西北大學的前研究生創立，他們創建了一個材料科學數據平臺，其中電子表格和實驗室筆記中的數據以一致的格式存儲，所以能用來供人工智能系統學習使用。
近來，評估新材料的速度非常緩慢，即使每天都可以檢測5種潛在類型的金屬玻璃，仍要花上一千年時間來研究每一種可能的金屬玻璃組合，以克服有毒、昂貴成分，或去掉易碎的性質等。
沃爾夫頓說，最終的目標，是讓科學家能夠獲得機器學習模型中的直接反饋結果，并在第二天甚至下一個小時內，就準備好另一套待測試的樣本。
京公網安備 11010502049343號