近日，一项新论文显示，机器学习可以帮助开发具有耐极端温度、抵抗锈蚀等多种有用特性的新型金属。
这种发现新金属的能力可能具有非常广泛的用途，例如在低温下表现良好的金属可以用于强化航天器，而抗锈蚀的金属可以用于打造船只和潜艇。
目前，科学家们通常在实验室里进行实验，寻找用现有金属合成新金属的方法。他们常常从一种熟悉的元素开始，比如便宜且可塑性强的铁，然后添加一两个其他元素来观察原始材料的变化。
这是一个耗时耗力的试错过程，而且大多数结果都是毫无价值的。日前，发表在 Science上的新论文表明，在人工智能的帮助下，研究人员可以更精确地预测哪些金属组合更有可能得出有意义的结果。
来自马克斯·普朗克研究所的研究人员，利用这种方法，成功地鉴定出了 17 种有潜力的新金属。该研究小组正在寻找具有低水平“invar”的金属，这指的是当材料暴露在高温或低温下时，其膨胀或收缩的程度。
“invar”这样一种水平较低的金属，在极端温度下也不会改变尺寸。马克斯·普朗克研究所的材料科学研究员，也是该论文的合著者 Ziyuan Rao 解释说，鉴于这种属性此类金属具备广泛的工业用途，比如用于天然气的运输和储存。
（来源：STEPHANIE ARNETT/MITTR | ENVATO）
该团队结合了人工智能和实验，成功地找到了这些新的金属。首先，他们必须克服一个重大挑战：缺乏可以用来训练机器学习模型的现成数据。
他们利用手头有的数据——几百个描述现有金属合金特性的数据来训练模型，然后人工智能系统利用这些数据对将表现出低“invar”的新金属进行预测。
接着，研究人员在实验室中创造了这些金属，测量了结果，再将这些结果反馈给机器学习模型。
研究人员不断重复这一过程——由模型给出金属组合建议，进行测试并反馈数据——直到找到 17 种有潜力的新金属。
这些发现可能有助于让人工智能更广泛地应用于材料科学中，目前这一领域严重依赖于实验。
此外，材料科学专家表示，利用机器学习做出预测，然后在实验室中进行筛选和检查的技术，还可以用于其他领域的发现比如化学和物理学。
美国普渡大学材料工程助理教授迈克尔·提图斯（Michael Titus）表示，对比传统的新金属创造过程，就能很好理解为何该研究具有重要的意义。他没有参与这项研究，但他对实验室里效率低下的旧方法深有体会。
提图斯说：“寻找具有特殊特性的材料，就如同大海捞针。”他经常告诉手下的新研究生，待发现的新材料不下一百万种，机器学习可以帮助科研人员更好地决定走哪条路。
美国田纳西大学材料科学和工程教授埃索·乔治（Easo George）没有参与这项研究，他对团队使用这项新技术所取得的成就感到惊讶。“这是非常令人印象深刻的成果，”他说。
在未来，该团队希望利用机器学习，来帮助发现具有不止一种理想特性的新合金。乔治也这样认为，基于计算的方法将对材料科学的未来至关重要。
他说：“采用机器学习的方法可能会占主导地位，因为人们一直在尝试用实验筛查几乎无尽的可能性，这是非常耗时且昂贵的。真正的挑战是，你找到了有用的东西吗？”
支持：Ren
原文：
https://www.technologyreview.com/2022/10/25/1062104/machine-learning-new-metals/
由 DeepTech 携手《麻省理工科技评论》重磅推出的《科技之巅：全球突破性技术创新与未来趋势（20 周年珍藏版）》已开启预售！
