科學家們發(fā)現了一種新化合物，可在光子設備和受生物啟發(fā)的計算機中使用。或者，更確切地說，他們開發(fā)了找到它的AI算法，并準備再次這樣做。

在關于人工智能可以比我們做的更好的事情（有時會有些令人毛骨悚然的故事）的最新一章中，一個由多個機構組成的團隊發(fā)布了一種用于材料探索和優(yōu)化的閉環(huán)自主系統(tǒng)（CAMEO）。

與所有此類系統(tǒng)一樣，它旨在節(jié)省時間和提高準確性（在本例中為實驗室），但與其他系統(tǒng)不同，它不需要培訓或監(jiān)督，合著者美國國家標準技術研究院的Aaron Gilad Kusne認為。研究團隊在《自然通訊》上發(fā)表的論文。

他說：“許多類型的AI需要接受培訓或監(jiān)督?！薄拔覀儧]有要求它學習物理定律，而是將它們編碼為AI。您不需要人工來訓練AI?！?/p>

在材料科學中，研究人員經常尋找可以用于非常特殊的應用的新材料，這通常涉及大量耗時的實驗和理論探索。

CAMEO使用預測和不確定性來確定下一個要嘗試的實驗，而跳過那些會提供冗余信息的位。

它旨在包含關鍵原理，過去的模擬和實驗室實驗，設備的工作方式以及物理概念的知識。例如，研究人員利用相圖知識將其武裝起來，相圖描述了材料中原子的排列如何隨化學成分和溫度而變化。

“我們實驗的關鍵是我們能夠在組合庫中釋放CAMEO，在該庫中我們制作了各種成分各異的材料，”美國馬里蘭大學的Ichiro Takeuchi說。

在該實驗中，CAMEO獲得了177種潛在材料進行研究，涵蓋了廣泛的成分配方。它執(zhí)行了19個實驗周期，耗時10個小時，而使用全套材料的科學家估計需要90個小時。

結果是發(fā)現了GST467材料-正式的“ Ge” _4？Sb？_6？Te？_（7）。研究人員認為，這種材料最適合相變應用。

他們說，與類似的機器學習方法不同，CAMEO通過關注結晶材料的成分-結構-性質關系來發(fā)現它。通過這種方式，它通過跟蹤材料功能的結構起源來導航發(fā)現過程。

責任編輯：lq