麻省理工學(xué)院的三位材料科學(xué)家及其同事發(fā)表的論文中，描述其 AI系統(tǒng)可通過(guò)科學(xué)論文和提取“食譜”合成特定類(lèi)型的材料。

2017年11月，美國(guó)麻省理工學(xué)院的三位材料科學(xué)家及其同事發(fā)表論文，描述了一種新的人工智能系統(tǒng)，可鉆研科學(xué)論文并提取“配方”，合成特定類(lèi)型的材料。

這一工作被看做向?yàn)閮H理論描述的材料生成配方的系統(tǒng)邁出的第一步?，F(xiàn)在，在《計(jì)算材料學(xué)》（Computational Materials）期刊發(fā)表的一篇論文中，這三位材料科學(xué)家聯(lián)合麻省理工學(xué)院電機(jī)工程與計(jì)算機(jī)科學(xué)系（EECS）的一位同事將這項(xiàng)工作繼續(xù)往前推進(jìn)，提出了一種新的人工智能系統(tǒng)，可以識(shí)別與配方一致的更高水平特征。例如，該新系統(tǒng)能確定材料配方中所用的“前體”化學(xué)物與得到產(chǎn)品的晶體結(jié)構(gòu)之間的關(guān)系。后來(lái)發(fā)現(xiàn)，在文獻(xiàn)中已記錄了相同的關(guān)系。

該系統(tǒng)還依賴(lài)于提供了產(chǎn)生原始配方自然機(jī)制的統(tǒng)計(jì)學(xué)方法。在論文中，研究人員利用該機(jī)制為已知材料提出了不同的配方，且這些建議配方與真正的配方一致。

與過(guò)去10年很多表現(xiàn)頗佳的人工智能系統(tǒng)一樣，麻省理工學(xué)院研究人員的這個(gè)新系統(tǒng)是所謂的神經(jīng)網(wǎng)絡(luò)，通過(guò)分析大量的訓(xùn)練集來(lái)學(xué)習(xí)執(zhí)行計(jì)算任務(wù)。傳統(tǒng)而言，利用神經(jīng)網(wǎng)絡(luò)生成材料配方的努力要解決兩大問(wèn)題，研究人員將其描述為稀疏與稀少。材料的配方可被表示成矢量，通常是一長(zhǎng)串?dāng)?shù)字。每個(gè)數(shù)字代表著配方的一個(gè)特征，例如某種化學(xué)品的濃度、溶解它的溶劑、或者發(fā)生反應(yīng)的溫度。

由于任何制定的配方都只會(huì)用到文獻(xiàn)中描述的各類(lèi)化學(xué)品和溶劑的其中幾種，所以大多數(shù)數(shù)字為零。這就是研究人員所謂的“稀疏”。類(lèi)似地，要學(xué)習(xí)改變反應(yīng)參數(shù)——例如化學(xué)濃度和溫度——如何會(huì)影響最終產(chǎn)品，理想情況下系統(tǒng)會(huì)接受大量例子的訓(xùn)練，在這些例子中參數(shù)發(fā)生了改變。但是，對(duì)于有些材料——尤其是較新的材料，文獻(xiàn)可能只含有少量的配方。這就是稀少?！叭藗冋J(rèn)為有了機(jī)器學(xué)習(xí)，我們就需要大量數(shù)據(jù)，如果數(shù)據(jù)很稀疏，我們就需要更多的數(shù)據(jù)。”研究人員說(shuō)，“如果我們嘗試專(zhuān)注于很具體的系統(tǒng)，我們不得不用到高維數(shù)據(jù)，但這種數(shù)據(jù)我們沒(méi)有很多，這種情況下，我們還能不能用這些神經(jīng)機(jī)器學(xué)習(xí)技術(shù)呢？”

神經(jīng)網(wǎng)絡(luò)一般按層排布，每一層都包含了數(shù)千個(gè)簡(jiǎn)單處理單元，即節(jié)點(diǎn)。每個(gè)節(jié)點(diǎn)都與上下層的數(shù)個(gè)節(jié)點(diǎn)相連。數(shù)據(jù)輸入底層，后者操作數(shù)據(jù)并將其傳送到下一層，然后這層又操作數(shù)據(jù)并將其傳送到下一層，以此類(lèi)推。在訓(xùn)練中，節(jié)點(diǎn)之間的連接不斷地調(diào)整，直至最后一層的輸出與某些計(jì)算的結(jié)果大體一致。

稀疏的高維數(shù)據(jù)存在的問(wèn)題是，對(duì)于任何指定的訓(xùn)練示例，底層的大多數(shù)節(jié)點(diǎn)沒(méi)有接收數(shù)據(jù)。這會(huì)需要一個(gè)相當(dāng)大的訓(xùn)練集才能保證整個(gè)網(wǎng)絡(luò)有足夠的數(shù)據(jù)來(lái)學(xué)習(xí)進(jìn)行可靠的歸納。

麻省理工學(xué)院研究人員的網(wǎng)絡(luò)旨在將輸入矢量精煉成更小的矢量，讓其中所有的數(shù)據(jù)對(duì)于每個(gè)輸入都有意義。為了實(shí)現(xiàn)這個(gè)目標(biāo)，該網(wǎng)絡(luò)有一個(gè)節(jié)點(diǎn)很少的中間層，在有些實(shí)驗(yàn)中只有2個(gè)節(jié)點(diǎn)。

訓(xùn)練的目的很簡(jiǎn)單，對(duì)網(wǎng)絡(luò)進(jìn)行配置，使得它的輸出與輸入盡可能相近。如果訓(xùn)練成功，中間層的這些少數(shù)節(jié)點(diǎn)必須能代表輸入矢量中包含的絕大部分信息，但結(jié)構(gòu)更精簡(jiǎn)。這種系統(tǒng)稱(chēng)為“自動(dòng)編碼器”，它的輸出努力與輸入相匹配。自動(dòng)編碼補(bǔ)償了稀疏，但是要處理稀少，研究人員不僅用生產(chǎn)具體材料的配方來(lái)訓(xùn)練網(wǎng)絡(luò)，還用生產(chǎn)很相似材料的配方進(jìn)行訓(xùn)練。他們利用了三種相似性，其中一種旨在保留晶體結(jié)構(gòu)的前提下將材料之間的不同之處降至最低，例如用一個(gè)原子替代另一個(gè)原子。在訓(xùn)練中，網(wǎng)絡(luò)提供示例配方的權(quán)重根據(jù)其的相似性分?jǐn)?shù)而有所不同。

事實(shí)上，研究人員的網(wǎng)絡(luò)不僅僅是自動(dòng)編碼器，而是“變分自動(dòng)編碼器”。這意味著，在訓(xùn)練中對(duì)該網(wǎng)絡(luò)的評(píng)價(jià)不僅僅取決于其輸出與輸入的匹配性有多高，還取決于中間層得到的值與統(tǒng)計(jì)學(xué)模型的一致性有多高，例如我們熟悉的鐘形曲線或正態(tài)分布。換言之，在整個(gè)訓(xùn)練集中，中間層得到的值應(yīng)該圍繞著中間值聚集，然后按照有規(guī)律的速率向四周逐漸減少。研究人員利用二氧化錳及相關(guān)化合物配方的兩節(jié)點(diǎn)中間層訓(xùn)練變分自動(dòng)編碼器后，構(gòu)建了二維地圖描述兩個(gè)中間節(jié)點(diǎn)為訓(xùn)練集的每個(gè)范例所取值。

明顯的是，使用相同前體化學(xué)品的訓(xùn)練范例都集中在地圖的相同區(qū)域，各區(qū)域之間有清晰的界限。對(duì)于生成了二氧化錳四種常見(jiàn)的“多晶型”或晶體結(jié)構(gòu)的訓(xùn)練范例，也得到了相同的結(jié)果。將兩個(gè)地圖結(jié)合起來(lái)，顯示出具體前體與具體晶體結(jié)構(gòu)之間的關(guān)系?！皡^(qū)域是連續(xù)的，我們認(rèn)為這很棒?！毖芯咳藛T說(shuō)，“因?yàn)闆](méi)有原因表明這應(yīng)該是這樣?！?/p>

變分自動(dòng)編碼也是讓研究人員的系統(tǒng)能產(chǎn)生新配方的原因。因?yàn)橹虚g層所采用的值堅(jiān)持了一種概率分布，隨機(jī)從這種分布中取一個(gè)值都可能得到一種可行的配方?！斑@實(shí)際上涉及到機(jī)器學(xué)習(xí)領(lǐng)域目前熱門(mén)的多種話題?！毖芯咳藛T表示，“以結(jié)構(gòu)化的事物進(jìn)行學(xué)習(xí)，讓專(zhuān)家進(jìn)行解釋并交流，產(chǎn)生結(jié)構(gòu)化的復(fù)雜數(shù)據(jù)——我們把上述都結(jié)合了起來(lái)?！?/p>

“‘可合成性’是材料科學(xué)中重要概念，但缺乏好的基于物理的描述?！睂⒋髷?shù)據(jù)和人工智能技術(shù)用于材料科學(xué)研究的美國(guó)公司Citrine Informatics創(chuàng)始人暨首席科學(xué)家指出，“因此，預(yù)期材料合成方面的難以理解多年來(lái)一直阻礙了新材料的計(jì)算平臺(tái)發(fā)展。研究人員在這項(xiàng)研究中采用了數(shù)據(jù)驅(qū)動(dòng)的新穎方法來(lái)描繪材料合成，為使我們?cè)谟?jì)算方面確定有令人激動(dòng)的特性且能在實(shí)驗(yàn)室中實(shí)際合成的材料作出了重要貢獻(xiàn)?！?/p>