AI“魔法”助金属玻璃问世

在适当的条件下，未来的金属玻璃合金将比现在的钢更坚固、更轻、更耐腐蚀、更耐磨。在过去的50年里，人们已经评估了成千上万种可能的成分组合，但只有少数可能有用。

现在，由美国能源部SLAC国家加速器实验室、国家标准与技术研究所(NIST)和西北大学的科学家领导的一个科学小组报告说，他们找到了发现和改进金属玻璃的捷径，可以用更少的时间和成本发现新材料。

发现新材料的速度快了200倍

理想的情况是，两种或三种金属融合在一起，形成一种类似金属的合金，其原子排列成刚性几何形状。

利用斯坦福同步辐射光源与机器学习相结合的新系统，科学团队能够快速筛选数百种样品材料，使团队能够发现由三种新混合物制成的金属玻璃成分，比以前快200倍。

西北大学的克里斯·沃尔夫·敦教授是利用计算机和人工智能预测新材料的先驱，也是该论文的合作者之一。他说新材料通常需要10到20年才能完成从发现到商业应用的过程。"这项成就大大缩短了发现新材料的时间。"

材料科学的前景将会改变

在过去的半个世纪里，科学家们总共只研究了大约6000种金属玻璃元件，而这个新系统可以生产和筛选20000种元件。

尽管其他团队也在使用机器学习预测来寻找不同种类的金属玻璃，但这一次科学家们通过了实验的快速验证和预测，然后将结果传递给下一轮机器学习和实验，这是这一进展所独有的。

事实上，这种方法可以用于各种实验，尤其是在寻找金属玻璃和催化剂等材料方面。NIST材料研究工程师杰森·海特科-西梅尔说，人工智能将改变材料科学的前景。

为世界各地的科学家提供实用的工具

这篇论文是美国能源部资助的第一项科学成果。SLAC正与硅谷人工智能公司Citrine Informatics合作，改变新材料的发现方式，并为世界各地的科学家提供实用工具。

该公司由斯坦福大学和西北大学的前研究生创建。他们为材料科学创造了一个数据平台，在这个平台上，电子形式的数据和实验室记录以一致的格式存储，因此它们可以用于人工智能系统学习。

最近，评估新材料的速度非常慢。即使每天都能检测到五种潜在的金属玻璃，研究每一种可能的金属玻璃组合来克服有毒和昂贵的成分，或者去除易碎的特性等，仍然需要1000年的时间。

沃尔顿说，最终目标是让科学家能够从机器学习模型中获得直接反馈结果，并准备另一组样本，在第二天甚至在接下来的一个小时内进行测试。