人工智能的研发方兴未艾 。 随着其应用领域的不断延伸 ， 其他学科也在与人工智能的结合中获得意想不到的收获 ， 新材料便是其中之一 。
目前 ， 国外已有人工智能助力新材料研发的案例报道 。 英国利物浦大学的科研人员研发了一款机器人 ， 在8天内自主设计化学反应路线 ， 完成了688个实验 ， 找到一种高效催化剂来提高聚合物光催化性能 ， 这项实验若由人工完成将花费数月时间 。 不久前 ， 日本大阪大学一名教授利用1200种光伏电池材料作为训练数据库 ， 通过机器学习算法研究高分子材料结构和光电感应之间的关系 ， 成功在1分钟内筛选出有潜在应用价值的化合物结构 ， 传统方法则需5—6年时间 。
这样的成功应用蕴藏了探索新材料和科技进步的无限可能 。 纵观人类历史 ， 每一次科技革命都与材料的发展息息相关 。 工业革命前 ， 石器、青铜器、铁器的发展将手工业逐渐从狩猎和农牧业中分离出来 。 第一次工业革命后 ， 钢铁和复合材料逐渐占据了人们的日常生活 。 第三次工业革命后 ， 半导体、高晶硅、高分子材料迅速发展 ， 成为需求量巨大的新材料 。 本世纪以来 ， 随着高端制造业的进一步完善 ， 新材料围绕功能化、智能化、集成化发展路径 ， 与纳米技术、生物技术、信息技术等新兴产业深度融合 ， 成为科技进步的重要手段 。
【人工智能助力新材料研发】新材料的研制是基础研究和应用基础研究相互融合促进的过程 ， 往往需要经历化学性质改良和物理加工改进 ， 过程颇为不易 。 以近年来兴起的智能纤维为例 ， 这种新材料能随外界环境刺激发生体积或形态变化 ， 可用于构筑可穿戴智能设备 。 对它研发时 ， 首先要了解其刺激响应机理 ， 并建立一个合适的物理模型进行解释；其次要选择合适的材料作为研究对象 ， 运用化学手段改进其功能单元的功能与性质 ， 通过反复实验摸索其刺激响应的条件 ， 并完善结构单元的性能；最后是生产加工 ， 历经纺丝、染整、编织等不同的处理流程 ， 不断进行工艺优化与技术改进 。 由此可见 ， 新材料研发是一种典型的试错性研发 ， 经历周期往往较长 。
为了缩短研发周期 ， 人工智能可以作为一个强有力的辅助工具 ， 借助数据共享 ， 对先进材料的物理化学性质进行预测、筛选 ， 从而加快新材料的合成和生产 。 过去 ， 材料的设计都是通过理论计算来构建结构和性质的关系 。 不过 ， 由于原子有很多不同的结合方式 ， 设计一个新的分子结构就如同一个搭积木游戏 ， 拼搭过程中无法预知分子的性质 。 作为人工智能的一个分支 ， 机器学习算法在辅助新材料设计时尤为“得力” ， 其工作过程主要包括“描述符”生成、模型构建和验证、材料预测、实验验证4个步骤 。 所谓“描述符” ， 就是根据现有数据来描述材料的某些特殊性质 ， 再通过非线性的形式构建训练模型 ， 从而预测新材料性质 ， 这个过程不再依赖物理知识 。
人工智能要想和新材料擦出更多的“火花” ， 仍面临一些挑战 。 比如 ， AI算法很难准确预测晶体结构 ， 训练数据的可靠性仍有待理论方法的发展等 。 为了更好发挥学科交叉融合的乘数效应 ， 除了需要算法不断改进外 ， 理论计算化学的发展、材料性质表征手段的研发也应齐头并进 。 未来 ， 相信通过各方科学家的努力 ， 新材料的创新成果将会不断涌现 。
推荐阅读
- 人工智能识别出一百六十五个新癌症基因
- 人工智能从“大炼模型”到“炼大模型”
- 人工智能助力国际能源行业减少碳足迹
- 通用人工智能的时代已经来临
- 《新一代人工智能治理原则》发布，八项原则让人工智能发展负责任
- 人工智能已嵌入航空发动机产业全流程
- 人工智能专家警告：机器人将在50年内超越人类
- 人工智能概念少了，实战多了——探访2019世界人工智能大会
- 我们需要怎样的人工智能基础教育
- 人工智能助力诊断糖尿病患者分型