每當(dāng)看到 AI 這個(gè)詞，你腦海中是否會(huì)浮現(xiàn)出超級(jí)智能計(jì)算機(jī)？或者想到不需要人類輔助即可執(zhí)行任務(wù)的機(jī)器人？或許，這些夢(mèng)想并不遙遠(yuǎn)。

近年來(lái)，機(jī)器學(xué)習(xí)在化學(xué)領(lǐng)域的應(yīng)用正以驚人的速度增長(zhǎng)，在材料性能預(yù)測(cè)、新材料探索與設(shè)計(jì)等領(lǐng)域也取得了很大進(jìn)展。但是，機(jī)器學(xué)習(xí)與實(shí)驗(yàn)過(guò)程的直接耦合還存在巨大的挑戰(zhàn)。

近日，一個(gè)包括美國(guó)國(guó)家標(biāo)準(zhǔn)與技術(shù)研究所（NIST）在內(nèi)的多機(jī)構(gòu)研究團(tuán)隊(duì)在 AI 研究領(lǐng)域取得了又一項(xiàng)重要研究成果：他們開(kāi)發(fā)出了一種名為 CAMEO 的 AI 算法，該算法在不需要科學(xué)家額外訓(xùn)練的情況下，自主發(fā)現(xiàn)了一種潛在的實(shí)用新材料。利用 CAMEO 算法實(shí)現(xiàn)的 AI 系統(tǒng)，可以有效地減少科學(xué)家在實(shí)驗(yàn)室中花費(fèi)的“反復(fù)”實(shí)驗(yàn)時(shí)間，同時(shí)最大限度地提高科研效率。

該研究成果以“ On-the-fly closed-loop materials discovery via Bayesian active learning ”為題，于 11 月 24 日在線發(fā)表在科學(xué)期刊《自然-通訊》（Nature Communications）上。

對(duì)此，論文作者之一、NIST 研究員 Aaron Gilad Kusne 表示，在材料科學(xué)領(lǐng)域，科學(xué)家們一直以來(lái)都在不斷尋求可用于特定應(yīng)用場(chǎng)合的新材料，比如 “一種可用于制造汽車的輕巧堅(jiān)固金屬，或者可承受噴氣發(fā)動(dòng)機(jī)的高應(yīng)力和高溫環(huán)境的材料”。

幫助解決科研痛點(diǎn)

新材料的發(fā)現(xiàn)是推動(dòng)現(xiàn)代科學(xué)發(fā)展與技術(shù)革新的源動(dòng)力之一，而傳統(tǒng)的材料研發(fā)需要進(jìn)行大量的試驗(yàn)，效率低且成本高——要想尋找這樣的新材料，不僅需要研究人員進(jìn)行大量的實(shí)驗(yàn)，還需要耗費(fèi)大量的時(shí)間去做理論調(diào)查。

如果一個(gè)研究人員想要分析一種材料在不同溫度下的特性，那么他可能需要在各種不同溫度下進(jìn)行 N 次試驗(yàn)。然而，溫度只是材料的一個(gè)指標(biāo)之一，如果在一項(xiàng)實(shí)驗(yàn)中有 5 個(gè)指標(biāo)要分析，每個(gè)指標(biāo)又有 10 個(gè)值，那就意味著該研究人員必須進(jìn)行 10^5 次試驗(yàn)。

Kusne 表示，對(duì)于試驗(yàn)次數(shù)如此多的實(shí)驗(yàn)，研究人員可能會(huì)花費(fèi)幾年甚至幾十年的時(shí)間，所以，這樣的實(shí)驗(yàn)，幾乎不可能進(jìn)行。

CAMEO 算法的“用武之地”正在于此，CAMEO 可以跳過(guò)那些會(huì)提供冗余信息的實(shí)驗(yàn)，確保每個(gè)實(shí)驗(yàn)都可以最大限度地幫助科學(xué)家獲取知識(shí)和見(jiàn)解，提升他們的理解能力。通過(guò)節(jié)省實(shí)驗(yàn)時(shí)間，可以有效幫助科學(xué)家更快實(shí)現(xiàn)其目標(biāo)，也使實(shí)驗(yàn)室的有限資源能夠得到更有效地利用。

那么，CAMEO 算法如何實(shí)現(xiàn)這一點(diǎn)？

CAMEO 是基于機(jī)器學(xué)習(xí)的一個(gè)自學(xué)習(xí) AI 算法，為材料研究領(lǐng)域的探索提供了一種全新的范式。CAMEO 通過(guò)閉環(huán)操作來(lái)尋找有用的新材料，首先從數(shù)據(jù)庫(kù)中加載材料數(shù)據(jù)，然后通過(guò)貝葉斯機(jī)器學(xué)習(xí)對(duì)數(shù)據(jù)進(jìn)行分析，預(yù)測(cè)未知材料的結(jié)構(gòu)和功能特性，并通過(guò)主動(dòng)學(xué)習(xí)來(lái)確定下一步要研究的最有價(jià)值的材料。在進(jìn)行下一輪實(shí)驗(yàn)之前，CAMEO 還可以要求科學(xué)家根據(jù)過(guò)去所執(zhí)行的實(shí)驗(yàn)經(jīng)驗(yàn)，提供材料的晶體結(jié)構(gòu)等信息。

論文作者之一、馬里蘭大學(xué)材料科學(xué)與工程教授 Ichiro Takeuchi 表示：“實(shí)驗(yàn)的關(guān)鍵在于，我們能夠在一個(gè)由多種材料構(gòu)成的組合庫(kù)中啟動(dòng)（unleash）CAMEO 算法?！?/p>

在通常的組合研究中，陣列中的每一種材料都會(huì)被依次測(cè)量，以尋找具有最佳性能的化合物。即使使用快速的測(cè)量設(shè)置，也需要花費(fèi)很長(zhǎng)時(shí)間。而有了 CAMEO 算法，僅需很少量的常規(guī)測(cè)量就可以找到最佳材料。

圖 | CAMEO 在一個(gè)閉環(huán)操作中尋找新材料的過(guò)程（來(lái)源：NIST）

該 AI 算法還被設(shè)計(jì)成包含關(guān)鍵原理的知識(shí)，包括過(guò)去的模擬和實(shí)驗(yàn)室實(shí)驗(yàn)的知識(shí)、設(shè)備的工作原理以及物理概念。例如，研究人員使 CAMEO 掌握了相位圖知識(shí)，相位圖描述了材料中原子的排列如何隨化學(xué)成分和溫度的變化而變化。而理解原子在材料中的排列方式對(duì)于確定材料的特性至關(guān)重要，根據(jù)排列方式可以確定材料的硬度、電絕緣性，以及材料的應(yīng)用場(chǎng)合。

Kusne 說(shuō)：“CAMEO 算法是無(wú)監(jiān)督的，許多類型的 AI 算法都需要進(jìn)行訓(xùn)練或監(jiān)督，我們不要求它學(xué)習(xí)物理規(guī)律，而是將它們編碼到 AI 中。這樣一來(lái)，就不需要人類再去訓(xùn)練 AI 模型。”

了解材料結(jié)構(gòu)的最佳方法之一是 X 射線衍射法，即使用 X 射線轟擊材料。通過(guò)識(shí)別 X 射線反射的角度，科學(xué)家可以確定原子在材料中的排列方式，從而使他們能夠確定其晶體結(jié)構(gòu)。然而，一次內(nèi)部 X 射線衍射實(shí)驗(yàn)可能需要一個(gè)小時(shí)或更長(zhǎng)時(shí)間。在斯坦福同步輻射光源（SSRL）進(jìn)行的實(shí)驗(yàn)中，由于快速移動(dòng)的粒子會(huì)發(fā)射大量的 X 射線，一臺(tái)足球場(chǎng)大小的大型機(jī)器以接近光速的速度加速帶電粒子，整個(gè)過(guò)程可能需要 10 秒鐘。

（來(lái)源：Nature Communications）

CAMEO 算法安裝在一臺(tái)計(jì)算機(jī)上，通過(guò)數(shù)據(jù)網(wǎng)絡(luò)與 X 射線衍射設(shè)備相連接，通過(guò)確定 X 射線反射的角度，科學(xué)家們可以確定原子在材料中的排列方式，從而弄清楚材料的晶體結(jié)構(gòu)。在每次進(jìn)行新的迭代時(shí)，CAMEO 都會(huì)從過(guò)去的測(cè)量中學(xué)習(xí)并確定下一個(gè)要研究的材料。這使得 AI 可以探索材料的成分如何影響其結(jié)構(gòu)，并確定完成任務(wù)的最佳材料。

Kusne 說(shuō)：“把這個(gè)過(guò)程想象成制作一份完美的蛋糕，你正在混合各種類型的材料（比如，面粉、雞蛋或黃油），通過(guò)使用各種配方來(lái)制作最好的蛋糕。” 而借助人工智能，則可以搜索制作 “配方” 或?qū)嶒?yàn)流程，來(lái)確定材料的最佳成分。如此一來(lái)，便節(jié)省了大量的實(shí)驗(yàn)時(shí)間。

自主發(fā)現(xiàn)，性能更優(yōu)

CAMEO 就是使用這種方法發(fā)現(xiàn)了 GST467 材料。

CAMEO 通過(guò)給定的 177 種潛在的材料進(jìn)行研究，這些材料涵蓋了大范圍的組成配方。為了獲得這種材料，CAMEO 耗時(shí) 10 小時(shí)完成了 19 個(gè)不同的實(shí)驗(yàn)，相比之下，一個(gè)科學(xué)家大約需要 90 個(gè)小時(shí)才能完成同樣多的實(shí)驗(yàn)。

圖 | GST467 的發(fā)現(xiàn)過(guò)程（圖片來(lái)源：nature communications）

CAMEO 發(fā)現(xiàn)的新材料 GST467 由三種不同的元素（鍺、銻、碲，Te-Ge-Sb）組成，是一種相變存儲(chǔ)材料，即當(dāng)它受熱迅速熔化時(shí)，其原子結(jié)構(gòu)會(huì)從晶態(tài)（原子在指定的、有規(guī)律的位置上的固體材料）變?yōu)榉蔷B(tài)（原子在隨機(jī)位置上的固體材料）。這種相變存儲(chǔ)材料被用于數(shù)據(jù)存儲(chǔ)等電子存儲(chǔ)應(yīng)用程序。

圖 | GST467 的納米結(jié)構(gòu)和器件性能（圖片來(lái)源：nature communications）

雖然 Ge-Sb-Te 合金系統(tǒng)中可能存在無(wú)限種成分變化，但 GST467 是適合相變應(yīng)用的最佳材料。研究人員希望 CAMEO 算法能找到最佳組合的 Ge-Sb-Te 合金，以滿足在晶態(tài)和非晶態(tài)之間的 “光學(xué)對(duì)比度” 差異最大的特性。

例如，在 DVD 或藍(lán)光光盤上，光學(xué)對(duì)比度允許掃描激光通過(guò)區(qū)分高反射率或低反射率的區(qū)域來(lái)讀取光盤。研究人員發(fā)現(xiàn)，GST467 的光學(xué)對(duì)比度是 DVD 常用的材料 GST225 的兩倍，較大的對(duì)比優(yōu)勢(shì)也使其表現(xiàn)出了明顯優(yōu)于傳統(tǒng)材料的特性。

GST467 還可應(yīng)用于用于控制電路中光的方向的光子開(kāi)關(guān)器件，還可以應(yīng)用于神經(jīng)形態(tài)計(jì)算（旨在開(kāi)發(fā)模擬大腦神經(jīng)元結(jié)構(gòu)和功能的設(shè)備，為新型計(jì)算機(jī)的出現(xiàn)以及從復(fù)雜圖像中提取有用數(shù)據(jù)等其他應(yīng)用提供可能）。

遠(yuǎn)程科研或成現(xiàn)實(shí)

研究人員認(rèn)為，不只是 GST467，CAMEO 還可以發(fā)現(xiàn)許多其他材料。如今，他們已經(jīng)將 CAMEO 的代碼開(kāi)源，免費(fèi)提供給科學(xué)家和研究人員使用。

與類似的機(jī)器學(xué)習(xí)方法不同，CAMEO 算法不是對(duì)大量數(shù)據(jù)進(jìn)行機(jī)器學(xué)習(xí)和預(yù)測(cè)，而是通過(guò)關(guān)注晶體材料的成分、結(jié)構(gòu)和性質(zhì)之間的關(guān)系，追蹤材料相應(yīng)功能的結(jié)構(gòu)來(lái)源，引導(dǎo)系統(tǒng)發(fā)現(xiàn)有用的新化合物。

CAMEO 的一個(gè)好處是最大限度地降低了成本，因?yàn)樵谕郊铀倨髟O(shè)施中進(jìn)行實(shí)驗(yàn)是需要花費(fèi)時(shí)間和金錢的。研究人員估計(jì)，使用 CAMEO 可以將實(shí)驗(yàn)數(shù)量減少十分之一，相應(yīng)地可以將實(shí)驗(yàn)時(shí)間縮短十倍。由于人工智能正在運(yùn)行測(cè)量數(shù)據(jù)、收集數(shù)據(jù)，分析數(shù)據(jù)的過(guò)程，這也大大降低了研究人員進(jìn)行實(shí)驗(yàn)所需的知識(shí)量，他們只需關(guān)注正在運(yùn)行的 AI 系統(tǒng)。

CAMEO 的另一個(gè)好處是為科學(xué)家提供了遠(yuǎn)程工作的能力。SLAC 美國(guó)國(guó)家加速器實(shí)驗(yàn)室的研究員 Apurva Mehta 說(shuō)：“這掀起了一波科研熱潮，科學(xué)家不需要在實(shí)驗(yàn)室中，就可以繼續(xù)工作和生產(chǎn)。” 這可能意味著，如果科學(xué)家們可以依靠人工智能在實(shí)驗(yàn)室進(jìn)行實(shí)驗(yàn)，更加安全地遠(yuǎn)程從事傳染性疾病或病毒的研究。

研究人員表示，他們將繼續(xù)改進(jìn)這一 AI 算法，并嘗試使該算法可以解決更復(fù)雜的問(wèn)題。Kusne 說(shuō)：“CAMEO 擁有機(jī)器人科學(xué)家的智慧，它的構(gòu)建，是為了以一種非常高效的方式，來(lái)設(shè)計(jì)、運(yùn)行和學(xué)習(xí)實(shí)驗(yàn)?！?/p>

責(zé)任編輯：xj