從青銅時代到工業革命除此之外，新材料的發現和開發一直是人類歷史的驅動力。這些新穎材料有助於推動技術進步和塑造文明。
今天，我們正處於一個新時代的開端，（人工智能）似乎處於轉變對有用材料的搜索的完美位置。這看起來將徹底改變他們的調查、創建和測試的方法。
在古代，人類文明嘗試利用自然資源來創造工具和手工藝品。公元前四世紀中期的青銅時代是一個重要的里程碑。青銅，一個銅和錫的合金，導致了更強大的工具和武器的發展，以及農業和建築的進步。
青銅通常被稱為人類創造的第一種“新材料”。我們採用了不同的元素並創造了新的東西，具有比任何一種成分更好的特性和獨特的品質。公元前 3,500 年左右，古代美索不達米亞玻璃的發明是另一個開創性的時刻。
(橡樹嶺國家實驗室）
快進到 20 世紀，塑料聚合物、陶瓷和材料的發現超導體開闢了技術新領域。陶瓷以其耐用性和耐熱性而聞名，成為從航空航天到電子等行業的主要產品。
超導體是一種能夠以零電阻導電的材料，已被用於磁浮（磁懸浮列車）、粒子加速器和醫療設備。
人工智能加入戰局
此前，尋找有助於推動下一代突破性技術開發的新材料是一個漫長而昂貴的過程。這是由於許多材料在原子和分子水平上的複雜性。傳統方法本質上是基於反複試驗，需要專門的設備和資源。
材料發現中固有的不確定性和風險使這一過程進一步複雜化和延長。然而，人工智能的進步，包括人工智能的一個子集，正在開始改變整個格局，實現更高效、更有針對性的方法。
在機器學習中，稱為算法的數學規則從數據中學習，以在無需人工干預的情況下改進任務。
主要轉變是基於“生成”人工智能係統的新方法，可以創建新內容。人工智能係統現在可以在具備所需特性和約束的情況下直接生產新型材料。
本月早些時候，微軟的一個團隊發表論文於自然引入了一對用於設計無機材料（不基於碳元素的材料）的人工智能工具。
這些工具在材料發現中發揮著補充作用。他們被稱為MatterGen 和 MatterSim。第一個創建新的候選材料，第二個過濾並驗證它們 - 以確保它們可以在現實世界中製造。
可以通過 MatterGen 納入的特定所需屬性包括特定的對稱性或機械、電子和磁性屬性。
與主要依賴直覺（以及大量繁瑣的實驗）的傳統方法不同，MatterGen 可以在很短的時間內生成數千種具有特定所需屬性的潛在材料。
這種人工智能主導的方法加速了材料設計的初始階段。它使研究人員能夠探索更廣泛的可能性，並專注於最有前途的候選者。
MatterSim 應用嚴格的計算機分析來預測這些擬議材料的穩定性和可行性。這種預測能力有助於從物理上可行的可能性中篩選出理論上的可能性。這確保了只有穩定的材料才能在發現過程中取得進展。
盒子裡有新工具
此時，我們可能會想，通過這個過程識別出的新材料是什麼樣子的？ MatterSim 主要關注晶體，或更恰當地說是具有特定原子排列的獨特晶體結構。
這些結構經過定制，以滿足精確的屬性限制，使其適合各種應用。其中包括高能電池、柔性電子產品、顯示器、太陽能電池板或先進的醫療植入物。
然而，微軟的強大二人組並不是唯一在追求這一目標的人。谷歌 DeepMind 的用於材料探索的圖網絡 (Gnome)是另一種有望顯著加快發現過程的工具。
Gnome 使用一種受人類大腦啟發的人工智能形式，稱為深度學習。它預測新材料的穩定性，顯著縮短探索和發現階段。
在2023年發表的一篇論文中谷歌 DeepMind 的研究人員證明，他們的 AI 模型可以識別 220 萬種新的穩定材料。其中約 736 個已經通過實驗實現。
這比以前的方法增加了十倍。這些材料中的許多材料以前是人類化學家所不知道的，但它們在清潔能源、電子等領域具有潛在的應用。
即使谷歌的 Gnome 和微軟的 MatterGen 都是基於人工智能的，它們的方法也有所不同，並且在某些方面提供了互補的方法。 Gnome 通過對現有結構進行變化來預測新材料的穩定性，並專注於識別穩定的晶體材料。
另一方面，MatterGen 採用生成式人工智能模型，根據特定的設計要求直接設計新型材料。它通過改變元素、位置和周期性晶格（三維重複結構）來創建材料結構。
人工智能驅動的材料發現的影響是巨大的。它們可能會帶來能源存儲和環境可持續性等領域的創新。例如，最有前途的應用之一是新型電池的開發。
隨著世界向可再生能源過渡，對高效、持久電池的需求不斷增長並將繼續增長。人工智能工具可以幫助研究人員設計和識別能夠支持更高能量密度、更快充電時間和更長使用壽命的新材料。
除了能量存儲之外，新材料還可用於設計新的醫療設備、植入物甚至藥物輸送系統。這可以改善患者的治療效果並推進醫療治療。
在航空航天領域，輕質、耐用的材料可以提高飛機和航天器的性能和安全性。與此同時，用於水淨化、碳捕獲和廢物管理的新材料可以解決緊迫的環境挑戰。
