在適當?shù)臈l件下，一種被稱為金屬玻璃的未來合金，會比現(xiàn)在的鋼材更堅固輕便，也更耐腐蝕和磨損。過去50年中，人們在數(shù)百萬種可能的成分組合中，已經(jīng)評估過幾千種，但只有少數(shù)幾種可能是有用的。

現(xiàn)在，由美國能源部SLAC國家加速器實驗室、國家標準與技術(shù)研究院(NIST)和西北大學的科學家領(lǐng)導(dǎo)的一個科學小組報告，他們找到了發(fā)現(xiàn)和改進金屬玻璃的捷徑，僅用較少時間和成本，就能發(fā)現(xiàn)新材料。

發(fā)現(xiàn)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(jié)合了機器學習的新系統(tǒng)，能快速篩選數(shù)百種樣品材料，使團隊發(fā)現(xiàn)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(yù)測新材料的先驅(qū)，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(fā)現(xiàn)到商用的過程，“這一成果極大縮短了新材料發(fā)現(xiàn)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(tǒng)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(yù)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(yù)測，然后將結(jié)果循環(huán)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(fā)現(xiàn)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(chuàng)立，他們創(chuàng)建了一個材料科學數(shù)據(jù)平臺，其中電子表格和實驗室筆記中的數(shù)據(jù)以一致的格式存儲，所以能用來供人工智能系統(tǒng)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(zhì)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(jié)果，并在第二天甚至下一個小時內(nèi)，就準備好另一套待測試的樣本。