人工智能应用的范畴越来越广了,美国西北大学在Science Advances发表论文,以人工智能帮助开发金属玻璃,筛选数百种材质并找到3种能混合为金属玻璃的材料。开发团队表示,以人工智能辅助开发,较传统方法快了200倍。金属玻璃另一个较为人所知的名称为液态金属,但是液态金属(Liquidmetal)为加州理工学院研究团队所开发的非晶态金属合金的专利商业名称,iPhone SIM卡取卡针便是以液态金属打造。大部分金属的原子以有序的结构排列,而金属玻璃的原子则以无序排列,不只比钢更坚固,也更轻更防腐蚀又耐磨,因此有很高的商业价值。
但过去50年,数百万种可能可以制成金属玻璃的材料,只有数千种被试验过。现在西北大学、美国能源部SLAC国家加速器实验室以及美国国家标准与技术研究院(NIST)的科学家们共同合作,以较少的时间与成本,应用人工智能从一堆性质难以捉摸的材料中,筛选出可以制造金属玻璃的成分。研究团队结合SLAC史丹佛同步辐射光源(×××L)系统以及机器学习,筛选了数百种的成分,并找到3种可以制成金属玻璃的成分,比起以前快了200倍。西北大学McCormick工程学院材料科学与工程教授Chris Wolverton表示,传统从发现材料到商业应用,通常需要10年的时间,最快也要2年。过去50年科学家研究了6,000种金属玻璃的成分,研究团队表示,现在他们一年就可以研究20,000种。原文来源至:http://partner.henkel.com.cn/local/index.php
研究团队一开始将这50年来,6,000种金属玻璃材料的研究资料放入机器学习中训练,并由第一轮的算法中得到了2种样品合金,再以×××L X光扫描这2种合金,并将取得的数据重新输入机器学习。这样的过程经过3轮后,发现金属的成功率从3百到4百个中发现1个,提升到了2个到3个,而他们用于新制造金属玻璃的3种成分,其中有2种从未用于金属玻璃制造。研究团队以科学量测预测结果,并将这些资料回馈到机器学习的训练数据,×××L的科学家同时也是论文的共同作者Apurva Mehta表示,这种研究方法将会颠覆材料科学以及化学界。