天作之合——人工智能戀上新材料

材料牛注：人工智能、大數據等正在不斷地改變著我們的生活方式，材料領域也將迎來一場翻天覆地的變化，如何借助人工智能發現甚至設計新材料，讓我們一睹為快吧！

借助人工智能，來自瑞士巴塞爾大學的化學家們已經計算出了約二百萬種晶體的特征結構，這些晶體由四種化學元素組成。研究人員可以確定90種作為新材料的晶體，這些晶體的熱力學穩定性以前是不為人知的。

鉀冰晶石是一種玻璃狀、透明、有光澤、柔軟的具有立方晶體結構的礦物。它首次被發現是在埃爾帕索縣（美國科羅拉多州），接著在落基山脈，弗吉尼亞和亞平寧山脈（意大利）也均有發現。在實驗數據庫中，鉀冰晶石是出現頻率最高的季晶體（晶體由四種化學元素組成）之一。根據其成分，它可以是一個金屬導體，半導體或者絕緣體，并且在輻照下可以發光。

鉀冰晶石的這些特征使其很有可能被用在閃爍器（某些方面已經得到證實）和其它一些應用中。鉀冰晶石化學性質復雜，這就意味著，在數學上來說，我們幾乎不可能利用量子力學去預測鉀冰晶石結構中四種元素每一種理論可行的組合。

來自瑞士巴塞爾大學化學系Anatole von Lilienfeld教授小組的博士生Felix Faber利用現代人工智能，成功解決了這種材料的設計問題。首先，他利用量子力學預測了幾千種任意化學組成的鉀冰晶石晶體。然后，他將這些結果構建成一個統計的機器學習模型（ML模型）。改進后的算法策略，其預測結果與標準量子力學方法一樣精確。

ML模型的優勢在于其計算速度比量子力學計算快幾個數量級。ML模型能夠在一天之內預測兩百萬種鉀冰晶石晶體的形成能——化學穩定性的一個指標，這些鉀冰晶石晶體理論上由周期表的主族元素組成。相比之下，如果用量子力學的方法處理同樣的工作量，即使利用超級計算機也要花費超過2000萬個小時。

通過模型計算的特征分析方法，我們對這類材料有了新的見解。研究人員能夠探測形成能的基本趨勢，并且可以根據量子力學預測方法確定90種熱力學穩定的未知晶體。

基于這些潛在的特征，鉀冰晶石已經被收錄到了在材料基因組計劃中起著重要作用的材料工程材料數據庫。該計劃由美國政府在2011年發起，目的是利用計算上的支持加快有趣新材料的發現與合成。

一些新發現的鉀冰晶石晶體表現出獨特的電學性質和不一樣的化學組成。研究主管Von Lilienfeld說道：“人工智能、大數據、量子力學以及超級計算的結合加深了我們對材料的理解，并且使我們不再只是依賴人類直覺去發現新材料。”

原文鏈接：Artificial intelligence helps in the discovery of new materials

文獻鏈接：Machine Learning Energies of 2 Million Elpasolite (ABC2D6) Crystals

本文由編輯部楊浩提供素材，雷達編譯，朱曉秀審核，點我加入編輯部。