近日，在《NPJ—计算材料》杂志上发表了一篇研究论文。该论文由桑迪亚国家实验室的一组实验撰写，记录了他们开发的机器学习算法。该算法可以为材料科学家以比正常速度快近40,000倍的速度运行模拟，相当于播种后三分钟吃一个新鲜的西红柿，或者在半秒内从纽约飞到洛杉矶。近年来，人工智能辅助材料科学发展的研究较多。1月8日，牛津大学教授VolkerL.Deringer团队开发了一种基于第一性原理计算数据集的原子级精确机器学习方法。研究人员使用基于机器学习模型的具有第一性原理精度的更通用的高斯近似势（GAP）分子动力学模拟（GAP-MD），模拟了100,000个硅原子的液态-非晶态和非晶态-非晶态转变过程研究了（十纳米级）系统，同时预测了它的结构、稳定性和电子特性。这种方法成功地描述和解??释了与实验观察一致的非晶硅的整个相变过程。这一具有里程碑意义的成就作为封面文章发表在《自然》上。为什么中科院物理研究所材料科学特聘研究员刘淼更关注后者的研究成果。在接受《中国科学报》的采访时，他介绍说，GAP方法自诞生10年来，一直在不断完善。“GAP利用量子力学产生大量数据，然后利用这些数据建立机器学习模型，从而提高计算效率和准确性，简化计算难度，甚至可以完成以前做不到的事情”刘淼解释说，“GAP从大量的密度泛函理论数据出发，提取原子间相互作用的信息，将材料计算研究对象的空间尺度扩大了103~104倍，时间尺度扩大了103倍，且精度接近密度泛函理论计算精度。在这项研究中，研究人员通过模拟揭示了硅在更大范围内的液态和非晶态转变过程，为在极具挑战性的实验条件下进行材料预测建模开辟了新途径此外，原子尺度的机器学习方法有可能导致超越硅这一特定材料的新科学发现。量子力学模拟，可以用来揭示许多迄今为止你未知现象，探索介观系统、液体系统、非晶多晶、生物等复杂系统的动态演化过程。前面提到的桑迪亚国家实验室的研究是基于一个拥有128个处理核心的高性能计算集群。研究人员在这个计算集群上运行了一个单独的、独立的模拟。在机器学习的情况下，使用36个内核进行相同的模拟需要60毫秒——相当于在同等计算机上快42,000倍。这意味着研究人员现在可以在15分钟内完成通常需要一年的计算。而且，机器学习长期以来一直用于快速模拟，计算原子和分子之间的相互作用如何随时间变化。但桑迪亚国家实验室发布的结果首次展示了机器学习如何在相对较大的微观尺度上加速材料模拟。通过这种模拟，科学家们可以快速模拟微小的熔融金属液滴在冷却和凝固时如何聚集在一起，或者混合物在熔化时如何分解。不仅如此，新算法还能得到正确的答案，误差在标准模拟的5%以内。“我们的机器学习框架基本上达到了与高保真模型相同的精度，但计算成本却很小，”参与该项目的桑迪亚材料科学家RemyDingwell说。中科院深圳先进技术研究院研究员欧永生对这项研究进行了解释，称这是一种利用计算机模拟加速计算过程的尝试，其原因在于材料科学本身更注重实验。计算是人工智能擅长的地方。“因此，材料科学和人工智能之间擦出了火花。”事实上，像材料科学一样注重实验的学科很多，因此人工智能与其他学科相结合的交叉学科也很多。“人工智能在不久的将来快速发展的背后动力在于计算能力的进步，这使得产生和处理海量数据成为可能，进而使人工智能渗透到各行各业。”刘淼说，“恰好材料科学进入了数据快速积累的时代。在发展时期，一些新技术如高通量实验和计算正在为材料科学领域产生大量数据，人工智能使分析和处理大数据成为可能。”“通过实验，研究人员可以总结归纳规律，而计算机算法就是计算机的实验过程，之后计算机可以归纳总结规律，进而完成某项任务。比如计算机写诗。”欧永生介绍。2019年2月，美国国家科学院发布了第三次材料研究十年调查——《材料研究前沿：十年调查》，评估了过去十年材料研究领域的进展，明确了机遇、挑战和挑战未来十年的材料研究。新方向。其中，在纳米材料、高熵合金等前沿材料研究领域，人工智能被寄予厚望。机器学习方法在材料设计和材料筛选方面显示出巨大潜力，有望极大地促进新材料的发现和传统材料的更新换代。反过来，人工智能的发展也离不开材料科学的帮助，智能机器人、可穿戴医疗设备、虚拟现实（VR）成像、物联网城市系统……未来的智能传感器需要极高的灵敏度、灵活性、透明度和稳定性，这对材料提出了新的要求。“人工智能和材料科学，两者要深化交流，相互促进。”中国科学院院士赵忠贤在2019粤港澳大湾区科技创新论坛上提出，未来解决人工智能所用敏感元器件问题，要靠材料科学。同时，还需要根据材料科学的需要发展人工智能技术和理论。先有数据，后有算法。“人工智能是一个雏形，可以推动很多领域的进步，需要专业人士去转化。”欧永胜说，“现在，跨学科是创新的驱动力。人工智能作为一种工具，需要与其他学科的合作才能发挥最大的作用。”作为人工智能深度学习的基础，数据的质量和数量是这门学科的关键。目前，许多国家都有自己的材料科学数据库。“有了数据库，深度学习等人工智能方法就可以提取数据之间的关联和规律。”刘淼说，“有些学科和人工智能交集不大，因为数据量不够大。”2018年，由刘淼淼等人联手，正式开启了我国人工智能的创建。材料科学数据库Atomly，已于2020年8月上线。“材料科学数据库上线后，主要有两个影响。”刘淼解释说，首先，目前的研究大多是基于经验指导，即，研究人员会根据自己的经验做出判断，通过实验合成和表征对材料进行试错和验证。涉及到人工智能，数据驱动的方法进行预测，使实验更有针对性。其次，人类个体的认知能力有限。即使他们一生积累所学，仍然会遇到瓶颈。计算机可以继续水平扩展，没有任何限制。“AlphaGo在2016年战胜了人类棋手，未来人工智能和材料科学数据库有望不断完善，成为人类材料研究的好帮手。”刘淼说道。
