人工智能、大數(shù)據(jù)、量子力學(xué)以及超級計算的結(jié)合，加深了人們對材料的理解，并且使人們不再只是依賴人類直覺去發(fā)現(xiàn)新材料。
事實上，過往的重大材料的發(fā)現(xiàn)都是科學(xué)家偶然間或者多次試驗得到的。例如，人們觀察到用硫等添加劑加熱可以提高橡膠的耐用性，于是在19世紀(jì)從其混合物中制造了硫化橡膠。但這種方法偶然性很大，可能花費數(shù)年。
還有一種量子化學(xué)方法，即用薛定諤方程式精確求解，通過確定原子核及其三維（3D）坐標(biāo)位置的基本參數(shù)之后，揭示出分系的性質(zhì)。但實際過程中，這個計算過程非常復(fù)雜。
如何找到符合條件的分子，是近年來材料科學(xué)家不懈努力的方向。在這個過程中，利用機器學(xué)習(xí)尋找材料和設(shè)計材料則為材料設(shè)計提供了新的思路。
近日，麻省理工學(xué)院核科學(xué)與工程系Norman C.Rasmussen副教授以及其他相關(guān)研究人員就開發(fā)出了一種新的方法，涉及一種新的機器學(xué)習(xí)方法，這將使其更快、更容易識別具有熱能存儲和其他用途的有利特性的材料，以此回應(yīng)2020年9月發(fā)表在《自然-能源》雜志的一個“大挑戰(zhàn)”——為熱能儲存裝置尋找合適的材料，這些材料可以與太陽能系統(tǒng)協(xié)同使用。
具體來說，材料科學(xué)的一個核心挑戰(zhàn)是“建立結(jié)構(gòu)與性能的關(guān)系”——弄清楚具有特定原子結(jié)構(gòu)的材料將具有的特性。研究團隊就特別關(guān)注了使用結(jié)構(gòu)知識來預(yù)測“聲子態(tài)密度”，這對熱性能有關(guān)鍵影響。
“聲子態(tài)密度”只是在一個特定的頻率或能量范圍內(nèi)發(fā)現(xiàn)的振動模式或聲子的數(shù)量。知道了“聲子態(tài)密度”，人們就可以確定一種材料的載熱能力以及它的熱導(dǎo)率，這與熱量如何容易地通過一種材料有關(guān)，甚至可以確定超導(dǎo)體的超導(dǎo)轉(zhuǎn)變溫度。
如果人們想計算聲子態(tài)密度，最準(zhǔn)確的方法是依靠密度泛函微擾理論（DFPT），但是這些計算的規(guī)模是晶體基本構(gòu)件中原子數(shù)量的四階，這可能需要在一個CPU集群上花費數(shù)天的計算時間。對于包含兩種或更多元素的合金，計算變得更加困難，可能需要數(shù)周甚至更長時間。
但此次開發(fā)的新方法則可以將這些計算需求減少到個人電腦上的幾秒鐘。研究人員采用了一種神經(jīng)網(wǎng)絡(luò)方法，利用人工智能算法，使計算機能夠從實例中學(xué)習(xí)。這個想法是向神經(jīng)網(wǎng)絡(luò)提供足夠的關(guān)于材料的原子結(jié)構(gòu)及其相關(guān)的聲子態(tài)密度的數(shù)據(jù)，使網(wǎng)絡(luò)能夠分辨出連接這兩者的關(guān)鍵模式。在以這種方式進行“訓(xùn)練”之后，該網(wǎng)絡(luò)將有望對具有特定原子結(jié)構(gòu)的物質(zhì)進行可靠的狀態(tài)密度預(yù)測。
可以說，這幾乎是一種革命性方法，其研究結(jié)果也已發(fā)表至《先進科學(xué)》上。
