数百年来，新材料是通过反复试验或运气和意外发现的。现在，科学家们正在使用人工智能来加速这一过程。

最近，西北大学的研究人员利用人工智能来研究如何以比实验室实验快200倍的速度**新的金属-玻璃混合物。其他科学家正在建立数千种化合物的数据库，以便算法能够预测哪些化合物结合形成有趣的新材料。还有一些人正在使用人工智能挖掘已发表的论文，寻找**这些材料的“配方”。

过去，科学家和建筑商将材料混合在一起，以观察形成的原因。例如，水泥就是这样被发现的。随着时间的推移，他们了解了各种化合物的物理性质，但大部分知识仍然基于直觉。”如果你问为什么日本浇水钢更擅长**刀具，我想没有人能告诉你，”国家标准与技术研究所材料基因组计划主任詹姆斯·沃伦说他们只是有一个工匠的理解之间的关系，内部结构和惊人。”

沃伦说，现在，我们不必使用工匠的知识，而可以使用数据库和计算来快速准确地描绘出是什么使材料变得更坚固或更轻，这有可能使一个又一个行业发生革命性的变化。他补充说，从发现一种材料到将其集成到电池等产品之间的时间可能超过20年，加快这一过程必将使我们获得更好的**电池和玻璃、更好的火箭合金以及更好的健康设备传感器。”沃伦说：“任何由物质制成的东西，我们都可以改进。”

沃伦说，要理解新材料是如何**的，把材料科学家想象成厨师是很有帮助的。假设你有鸡蛋，你想吃些有嚼劲的和硬的东西。这些是你想要的菜的特性，但是你怎么做到呢？要创建一个白色和蛋黄都是固体的结构，你需要一个配方，其中包括一步一步的处理鸡蛋的说明-硬煮它-正是你想要的方式。材料科学使用了这些相同的概念：如果一位科学家想要某些材料特性（比如，轻和难断裂），她将寻找产生这些特性的物理和化学结构，以及产生这些结构的过程，如熔化或敲打金属。

数据库和计算有助于找到答案。”我们对材料进行量子力学水平的计算，计算的复杂程度足以让我们在实验室**一种可能的新材料之前在计算机上预测其性能，”西北大学材料科学家克里斯·沃尔弗顿（Chris Wolverton）说，他负责开放量子材料数据库(其他主要数据库包括Materials Project和Materials Cloud。）这些数据库并不完整，但它们正在增长，已经给我们带来了激动人心的发现。

瑞士洛桑埃科尔理工学院的研究员尼古拉·马扎里（Nicola Marzari）利用数据库找到了可以剥离的3D材料，从而创建出只有一层的2D材料。这方面的一个例子是大肆宣传的石墨烯，它由一片石墨组成，石墨是铅笔中的材料。像石墨烯一样，这些2D材料可能具有3D形式所没有的非凡性能，比如强度。

Marzari的团队有一个算法，可以筛选来自多个数据库的信息。根据Marzari上个月在《自然纳米技术》上发表的论文，该算法从100000多种材料开始，最终发现了大约2000种可以剥离成一层的材料。Materials Cloud的负责人Marzari说，这些材料是一个“宝库”，因为许多材料具有可以改善电子产品的特性。有些能很好地导电，有些能将热量转化为水，有些能从太阳吸收能量：它们可能对计算机或电池中的半导体有用，因此下一步是更仔细地研究这些可能的性质。

Marzari的工作是科学家如何利用数据库预测哪些化合物可能创造出新的令人兴奋的材料的一个例子。然而，这些预测仍然需要在实验室中得到证实。Marzari仍然需要告诉他的算法遵循某些规则，比如寻找弱化学键。人工智能可以创造一条捷径：科学家可以告诉人工智能他们想要创造什么，而不是编写特定的规则——就像超强材料一样——人工智能将告诉科学家**新材料的最佳实验。

这就是Wolverton和他的西北大学团队在本月发表在《科学进步》上的一篇论文中使用人工智能的方式。研究人员对**新的金属玻璃感兴趣，这种玻璃比金属或玻璃更坚固，硬度更低，有朝一日可以改进**和航天器。

斯坦福大学SLAC国家加速器实验室的科学家阿普瓦·梅塔（Apurva Mehta）说，他们使用的人工智能方法与人们学习新语言的方式相似。一种学习语言的方法是坐下来，记住所有的语法规则。”但另一种学习方式只是通过经验和听别人说话，”梅塔说。他们的方法是一种组合。首先，研究人员查阅了已发表的论文，以尽可能多地找到关于不同类型金属玻璃是如何**的数据。接下来，他们将这些“语法规则”输入机器学习算法。然后，该算法学会了自己预测哪种元素组合会创造出一种新的金属玻璃形式——类似于人们如何通过去法国而不是无休止地记忆共轭图来提高法语水平。梅塔的团队随后在实验室实验中测试了该系统的建议。

科学家一次可以合成和测试数千种材料。但即使以这样的速度，盲目地尝试各种可能的组合也是浪费时间。”他们不能把整个元素周期表扔到他们的设备上，”沃尔弗顿说，因此人工智能的作用是“为他们提供一些开始的地方。”这个过程并不完美，一些建议——如所需元素的确切比例——被取消了，但科学家们能够形成新的金属玻璃。此外，做实验意味着他们现在有更多的数据反馈给算法，因此算法每次都变得越来越智能。

使用人工智能的另一种方法是创建一本“烹饪书”，或材料的食谱集合。在去年年底发表的两篇论文中，麻省理工学院的科学家开发了一种机器学习系统，可以扫描学术论文，找出哪些论文包含**某些材料的说明。它能以99%的准确率检测出一篇论文的哪些段落包含了“配方”，并以86%的准确率检测出该段落中的确切单词。

麻省理工学院的团队现在正在训练人工智能，使其更加精确。他们希望为整个科学界创建一个这些食谱的数据库，但他们需要与这些学术论文的出版商合作，以确保他们的收藏不会违反任何协议。最终，该团队还希望教该系统阅读论文，然后自己想出新的食谱。

“一个目标是发现更有效和更具成本效益的方法来**我们已经**的材料，”该研究的合著者、麻省理工学院材料科学家艾尔莎·奥利维蒂（Elsa Olivetti）说另一个问题是，这是计算材料科学预测的化合物，那么我们能提出一套更好的方法来**它吗？”

人工智能和材料科学的未来似乎充满希望，但挑战依然存在。首先，计算机根本无法预测一切。”EPFL的Marzari说：“这些预测本身就有误差，而且通常是在一个没有考虑到真实世界的简化材料模型上进行的。”。有各种各样的环境因素，如温度和湿度，影响化合物的行为。大多数模型都没有考虑到这些因素。

另一个问题是，根据沃尔弗顿的说法，我们仍然没有足够的关于每种化合物的数据，缺乏数据意味着算法不是很聪明。这就是说，他和梅塔现在对在金属玻璃之外的其他材料上使用他们的方法感兴趣。他们希望有一天，你根本不需要人类来做实验，只需要人工智能和机器人。”“我们可以创造一个真正完全自主的系统，”沃尔弗顿说，“没有任何人参与。”