1. 首頁 > 云知道 > >

人工智能助力新材料研發

小知識研究改進學科算法應用預測設計炎癥科普科技進步


人工智能助力新材料研發



【人工智能助力新材料研發】人工智能的研發方興未艾 。 隨著其應用領域的不斷延伸 ， 其他學科也在與人工智能的結合中獲得意想不到的收獲 ， 新材料便是其中之一 。
目前 ， 國外已有人工智能助力新材料研發的案例報道 。 英國利物浦大學的科研人員研發了一款機器人 ， 在8天內自主設計化學反應路線 ， 完成了688個實驗 ， 找到一種高效催化劑來提高聚合物光催化性能 ， 這項實驗若由人工完成將花費數月時間 。 不久前 ， 日本大阪大學一名教授利用1200種光伏電池材料作為訓練數據庫 ， 通過機器學習算法研究高分子材料結構和光電感應之間的關系 ， 成功在1分鐘內篩選出有潛在應用價值的化合物結構 ， 傳統方法則需5—6年時間 。
這樣的成功應用蘊藏了探索新材料和科技進步的無限可能 。 縱觀人類歷史 ， 每一次科技革命都與材料的發展息息相關 。 工業革命前 ， 石器、青銅器、鐵器的發展將手工業逐漸從狩獵和農牧業中分離出來 。 第一次工業革命后 ， 鋼鐵和復合材料逐漸占據了人們的日常生活 。 第三次工業革命后 ， 半導體、高晶硅、高分子材料迅速發展 ， 成為需求量巨大的新材料 。 本世紀以來 ， 隨著高端制造業的進一步完善 ， 新材料圍繞功能化、智能化、集成化發展路徑 ， 與納米技術、生物技術、信息技術等新興產業深度融合 ， 成為科技進步的重要手段 。
新材料的研制是基礎研究和應用基礎研究相互融合促進的過程 ， 往往需要經歷化學性質改良和物理加工改進 ， 過程頗為不易 。 以近年來興起的智能纖維為例 ， 這種新材料能隨外界環境刺激發生體積或形態變化 ， 可用于構筑可穿戴智能設備 。 對它研發時 ， 首先要了解其刺激響應機理 ， 并建立一個合適的物理模型進行解釋；其次要選擇合適的材料作為研究對象 ， 運用化學手段改進其功能單元的功能與性質 ， 通過反復實驗摸索其刺激響應的條件 ， 并完善結構單元的性能；最后是生產加工 ， 歷經紡絲、染整、編織等不同的處理流程 ， 不斷進行工藝優化與技術改進 。 由此可見 ， 新材料研發是一種典型的試錯性研發 ， 經歷周期往往較長 。
為了縮短研發周期 ， 人工智能可以作為一個強有力的輔助工具 ， 借助數據共享 ， 對先進材料的物理化學性質進行預測、篩選 ， 從而加快新材料的合成和生產 。 過去 ， 材料的設計都是通過理論計算來構建結構和性質的關系 。 不過 ， 由于原子有很多不同的結合方式 ， 設計一個新的分子結構就如同一個搭積木游戲 ， 拼搭過程中無法預知分子的性質 。 作為人工智能的一個分支 ， 機器學習算法在輔助新材料設計時尤為“得力” ， 其工作過程主要包括“描述符”生成、模型構建和驗證、材料預測、實驗驗證4個步驟 。 所謂“描述符” ， 就是根據現有數據來描述材料的某些特殊性質 ， 再通過非線性的形式構建訓練模型 ， 從而預測新材料性質 ， 這個過程不再依賴物理知識 。
人工智能要想和新材料擦出更多的“火花” ， 仍面臨一些挑戰 。 比如 ， AI算法很難準確預測晶體結構 ， 訓練數據的可靠性仍有待理論方法的發展等 。 為了更好發揮學科交叉融合的乘數效應 ， 除了需要算法不斷改進外 ， 理論計算化學的發展、材料性質表征手段的研發也應齊頭并進 。 未來 ， 相信通過各方科學家的努力 ， 新材料的創新成果將會不斷涌現 。

推薦閱讀