離開(kāi)實(shí)驗室的材料科學(xué)：AI正將新材料的發(fā)現過(guò)程提速200倍
幾百年來(lái)，人們一直是通過(guò)反復試驗或者靠運氣和偶然發(fā)現新材料?，F在，科學(xué)家們正在使用人工智能來(lái)加速這一過(guò)程。
最近，西北大學(xué)的研究人員用AI來(lái)解決如何生成新的金屬玻璃混合物的問(wèn)題。這比起在實(shí)驗室進(jìn)行實(shí)驗快了200倍。
科學(xué)家們正在構建由數千種化合物組成的數據庫，以便用算法來(lái)預測哪些化合物的組合會(huì )形成有趣的新材料。還有人用AI來(lái)分析已發(fā)表的論文挖據“材料配方”以產(chǎn)生新材料。
過(guò)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)現的。隨著(zhù)時(shí)間的推移，他們學(xué)習了各種化合物的物理特性，但大部分知識仍然只是基于直覺(jué)。
“如果你問(wèn)為什么日本水淬鋼用于制作刀具最好，我覺(jué)得誰(shuí)都回答不了，”美國國家標準與技術(shù)研究院材料基因倡導小組的主任James Warren說(shuō)，“對于這種內部結構與迷人外表之間的關(guān)系，它們只有一種根據經(jīng)驗而來(lái)的理解?！?
Warren說(shuō)，我們現在可以利用數據庫和計算機來(lái)快速確定是什么讓材料變得更堅固或更輕，而不是憑經(jīng)驗，這有可能變革整個(gè)行業(yè)。此外，原本發(fā)現一種材料并將其整合成產(chǎn)的時(shí)間可能需要超過(guò)20年，加速這一過(guò)程勢必會(huì )使我們獲得更好的手機電池和屏幕，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(shuō)。
正如Warren所說(shuō)，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)蛋白和蛋黃都結實(shí)的結構，你需要一個(gè)配方，其中包含根據你想要的結果處理雞蛋的步驟，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(shuō)，輕便又堅韌），她會(huì )尋找可以產(chǎn)生這些特性的物理和化學(xué)結構，以及需要通過(guò)哪種處理過(guò)程，比如對金屬進(jìn)行熔化或捶打，來(lái)創(chuàng )造這樣的結構。
建立“材料云”數據庫，雖不完美但已為科學(xué)家們創(chuàng )造了捷徑
數據庫和計算技術(shù)可以幫助人們找到答案?！拔覀儗Σ牧线M(jìn)行量子力學(xué)級別的計算，這種計算非常復雜，因此我們可以在實(shí)驗室中合成一種可能的新材料之前，就用計算機預測出它的屬性?！蔽鞅贝髮W(xué)材料科學(xué)家Chris Wolverton說(shuō)，他主管開(kāi)放量子材料數據庫。其他主要數據庫包括材料項目和材料云。數據庫還不完整，但數據量一直在增長(cháng)，并且已經(jīng)從中找到了令人興奮的發(fā)現。
瑞士洛桑聯(lián)邦理工大學(xué)研究員Nicola Marzari利用數據庫查找可剝離的3D材料，以創(chuàng )建僅有一層的2D材料。比如，被炒得沸沸揚揚的石墨烯，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，如強度，而這在其3D形態(tài)中是不存在的。
Marzari的團隊用算法篩選來(lái)自多個(gè)數據庫的信息。他上個(gè)月在《自然納米技術(shù)雜志》上發(fā)表的文章中寫(xiě)到，該算法在超過(guò)100,000種材料中，最終發(fā)現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”，因為許多材料具有可以改善電子設備的特性，有些可以很好地傳導電力，有些可以將熱量轉化為水，有些可以吸收太陽(yáng)能：它們可以用于計算機或電池中的半導體，因此Marzari團隊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)家如何使用數據庫來(lái)預測哪些化合物可能會(huì )產(chǎn)生令人興奮的新材料的一個(gè)例子。然而，這些預測仍需要在實(shí)驗室中得到證實(shí)。并且Marzari仍然需要給他的算法定義某些規則，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他們想要創(chuàng )造的東西，比如超強材料，而不是編制特定的規則，然后AI會(huì )告訴科學(xué)家生成新材料最佳實(shí)驗方法。
Wolverton和他在西北大學(xué)的團隊在本月出版的Science Advances雜志上的一篇論文中描述了AI 的運用。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實(shí)，但硬度卻更低，未來(lái)可以用于改進(jìn)手機和航天器。
斯坦福大學(xué)SLAC國家加速器實(shí)驗室的共同研究者Apurva Mehta說(shuō)，他們使用的AI方法與人們學(xué)習新語(yǔ)言的方式類(lèi)似。語(yǔ)言學(xué)習的其中一種方法是坐下來(lái)記住所有的語(yǔ)法規則?！暗硪环N學(xué)習方法就是靠經(jīng)驗和聽(tīng)別人說(shuō)話(huà)，”Mehta說(shuō)。
他們的做法是把兩者組合起來(lái)。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(lèi)型的金屬玻璃。接下來(lái)，他們將這些“語(yǔ)法規則”提供給機器學(xué)習算法。然后該算法學(xué)會(huì )自己預測哪些元素的組合會(huì )創(chuàng )造一種新的金屬玻璃形式，這類(lèi)似于通過(guò)去法國居住來(lái)改善法語(yǔ)，而不是無(wú)休止地背詞性變化表。Mehta的團隊隨后在實(shí)驗室中檢驗了機器學(xué)習系統給出的建議。
科學(xué)家一次可以合成和測試數千種材料。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時(shí)間?！八麄儾荒馨颜麄€(gè)元素周期表都拿來(lái)做嘗試，”Wolverton說(shuō)，所以AI的作用是“為他們提供幾個(gè)入手點(diǎn)”。
AI的結果并不完美，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的結果生成新的金屬玻璃。另外，測試AI給出的結果意味著(zhù)他們現在有更多的數據可以反饋給算法，所以每次重新預測都會(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(kāi)發(fā)了一種機器學(xué)習系統，可以?huà)呙鑼W(xué)術(shù)論文，找出哪些論文包含制作某種材料的說(shuō)明。它檢測出哪些段落包含“配方”的準確率高達99%，并且該段落中找出原話(huà)的準確度有86％。
麻省理工學(xué)院團隊現在正在對AI系統進(jìn)行更精確的訓練。他們希望為整個(gè)科學(xué)界創(chuàng )建這種“食譜”數據庫，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，團隊還希望能夠訓練系統閱讀論文，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)目標是對于已經(jīng)發(fā)現的材料，找到更有效，更低成本的生成方法。另一個(gè)目標是，對于計算機預測出的化合物，我們能否提出一系列更好的方法來(lái)生成它？”
挑戰：模型預測考慮不到現實(shí)因素
人工智能和材料科學(xué)的未來(lái)看起來(lái)很有前景，但依然存在挑戰。首先，計算機無(wú)法預測一切?！斑@些預測本身就有錯誤，并且經(jīng)常是在簡(jiǎn)化的材料模型基礎上預測，而不考慮真實(shí)情況”，EPFL的Marzari說(shuō)。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，大多數模型沒(méi)有考慮這些因素。
Wolverton認為另一個(gè)問(wèn)題是我們仍然沒(méi)有足夠多的的所有化合物的數據資料，缺乏數據意味著(zhù)算法不會(huì )很智能。也就是說(shuō)，他和Mehta現在希望在除金屬玻璃以外的其他類(lèi)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(lái)做實(shí)驗，而只是AI和機器人就夠了?！拔覀兛梢詣?chuàng )建一個(gè)真正完全自主的系統，”Wolverton說(shuō)，“沒(méi)有任何人參與的系統?！?
