在適當?shù)臈l件下,，一種被稱為金屬玻璃的未來合金，會比現(xiàn)在的鋼材更堅固輕便,，也更耐腐蝕和磨損,。過去50年中，人們在數(shù)百萬種可能的成分組合中,，已經(jīng)評估過幾千種,，但只有少數(shù)幾種可能是有用的。

　　現(xiàn)在,，由美國能源部SLAC國家加速器實驗室,、國家標準與技術研究院（NIST）和西北大學的科學家領導的一個科學小組報告，他們找到了發(fā)現(xiàn)和改進金屬玻璃的捷徑,，僅用較少時間和成本,，就能發(fā)現(xiàn)新材料。

　　發(fā)現(xiàn)新材料速度快200倍

　　理想的狀況是,，將兩種或三種金屬融合在一起,，會得到看起來像金屬的合金，其原子排列成剛性幾何圖形,。

　　科學小組利用斯坦福同步輻射光源中一個結合了機器學習的新系統(tǒng),，能快速篩選數(shù)百種樣品材料，使團隊發(fā)現(xiàn)了3種新混合物制成的金屬玻璃成分,，速度比以前快200倍,。

　　西北大學教授克里斯·沃爾夫頓是使用計算機和人工智能預測新材料的先驅(qū)，也是論文合作者之一,。他說,，通常需要十年或二十年的時間，新材料才能完成從發(fā)現(xiàn)到商用的過程,，“這一成果極大縮短了新材料發(fā)現(xiàn)所花費的時間,。”

　　材料科學的前景將改變

　　在過去的半個世紀里,，科學家一共才研究了大約6000種金屬玻璃的組成成分,，而這套新系統(tǒng)能夠制作并篩選20000種成分。

　　雖然有其他團隊也在使用機器學習預測尋找不同種類的金屬玻璃,，但此次科學家通過實驗的快速驗證和預測,，然后將結果循環(huán)到下一輪機器學習和實驗中,，是此次進步的獨特之處。

　　實際上,，這種方法可以用于各種實驗,，特別是在尋找材料，如金屬玻璃和催化劑方面大有裨益,。NIST材料研究工程師杰森·海垂科－席目爾說,，人工智能將改變材料科學的前景。

　　為全球科學家提供實用工具

　　該論文是美國能源部資助此項目的第一個科學成果,，SLAC正在與硅谷人工智能公司Citrine Informatics合作,，改變了新材料的發(fā)現(xiàn)方式，為全世界科學家提供了實用的工具,。

　　該公司由斯坦福大學和西北大學的前研究生創(chuàng)立,，他們創(chuàng)建了一個材料科學數(shù)據(jù)平臺，其中電子表格和實驗室筆記中的數(shù)據(jù)以一致的格式存儲,，所以能用來供人工智能系統(tǒng)學習使用,。

　　近來，評估新材料的速度非常緩慢,，即使每天都可以檢測5種潛在類型的金屬玻璃,，仍要花上一千年時間來研究每一種可能的金屬玻璃組合，以克服有毒,、昂貴成分,，或去掉易碎的性質(zhì)等。

　　沃爾夫頓說,，最終的目標,，是讓科學家能夠獲得機器學習模型中的直接反饋結果，并在第二天甚至下一個小時內(nèi),，就準備好另一套待測試的樣本,。