美國一個科學家團隊希望利用人工智能在極短時間內發現新的鋼材替代品。結果，他們發現了三種新的混合物，可用于制作金屬玻璃，時間上比以前同類工作快了200倍。

[[228149]]

科學家利用人工智能發現新材料Dawn Harmer / SLAC國家加速器實驗室：Fang Ren在加速器實驗室做博士后期間開發了即時分析數據的算法。圖中的她正在操作斯坦福同步輻射光源射束線系統，該系統已投入使用。

金屬玻璃基本上是未來的合金。通常，幾種金屬會混合在一起，目的是將每種金屬的理想特性“添加”在一起制造出“超級金屬”。合金的性能與金屬類似，看上去也與金屬類似，其原子結構由嚴謹的幾何圖案組成。而另一方面，金屬玻璃原子結構的幾何圖案并不嚴謹，其原子結構非常像玻璃那樣無序。這種原子結構因此使得相應的材料比鋼更輕、更堅固。因此，金屬玻璃是鋼材的理想替代品。

但金屬玻璃是一種相對較新的材料，金屬玻璃的各種成分組合未能全部得到測試?？赡艿慕M合達數百萬種，在過去的50年里僅數千種組合被測試及評估，并且只有少數組合最終被開發使用。所以，金屬玻璃業界亟需尋找一種可以預測最佳組合或對最佳組合進行建模的方法。記者了解到，由能源部的SLAC國家加速器實驗室、國家標準與技術研究院（https://www.nist.gov）（NIST）和西北大學（https://www.northwestern.edu起頭組建的科學家團隊日前找到了發現最佳金屬玻璃最佳組合的捷徑，而用到的方法就是利用人工智能。

該團隊利用了SLAC的斯坦福同步輻射光源系統（SSRL）（https://www-ssrl.slac.stanford.edu/content/），通過機器學習系統發現了三種新的成分混合物，可用于制作金屬玻璃。他們的研究結果發表在《科學進展》（Science Advances.）上。西北大學的Chris Wolverton教授是該論文的合作作者。他表示，“通常需要一、二十年才能完成一種材料從發現到商業用途的開發。該研究結果對于縮短開發時間跨出了一大步。我們可以從一個材料的清單開始，利用人工智能迅速地將數量巨大的潛在材料縮小到幾個優秀的候選材料。”

該研究結果不僅可以用于金屬玻璃，還可以用于其他材料，研究結果因此對于工業界來說是一項非常有價值的技術。 Wolverton教授的最終目標是掃描一種樣本材料后即時利用機器學習模型提供關于這種材料的反饋。在過去的半個世紀里，科學家研究過約6000種金屬玻璃的成分組合。而Wolverton教授的團隊利用人工智能已經篩選了20,000種成分組合。團隊在預測、實驗測量和結果之間來回循環，將重要信息輸入到他們的機器學習系統里。 SSRL X射線束系統可用于掃描合金，然后這些數據被輸入到機器學習系統里，進而生成新的結果，然后再用這些數據創建一個新的樣本，再用X射線束掃描直至制作出最好的材料。這種技術希望能在未來能發展成更快的方法，其自動化程度能更好及能用于許多許多的材料。機器學習和人工智能技術已經開發出了許多令人振奮的應用；多么美好的時代。