稀土元素是从智能手机和宽带电缆到风力涡轮机和电动汽车的各种电子产品的关键组件。 但众所周知，开发出可以扩大稀土实际用途的有用化合物非常困难，而且结果也难以预测。
现在，科学家们想出了一种巧妙的方法来帮助寻找新的稀土化合物：一种新开发的具有预测能力的系统将使我们超越人类在实验室中所能达到的水平。
这里使用的AI类型是机器学习：顾名思义，软件在其中研究信息数据库（在本例中是稀土化合物），识别模式和相关性，然后使其能够发现该数据库的新潜在匹配项。
”在这里非常重要，因为当我们谈论新成分时，订购的材料对于稀土界的每个人来说都是众所周知的，”材料科学家 Prashant Singh 说，来自爱荷华州立大学艾姆斯实验室。
“然而，当你向已知材料添加无序性时，情况就非常不同了。成分的数量变得明显更大，通常是数千或数百万，并且你无法使用理论或实验来研究所有可能的组合。”
在材料科学中，秩序与无序“粒子在材料中的排列方式（例如，完美的晶体网格或更加混乱、分散的排列）”，它直接影响该材料的性能和用途。
在本例中，机器学习模型是使用稀土数据库和来自的一些想法构建的密度泛函理论（DFT），涉及材料结构的分析？ 非常适合此类研究。
该模型的构建方式意味着可以快速测试数百种排列，然后可以评估每一种排列的相位稳定性。 换句话说，人工智能能够判断稀土组合是否可行，例如不会崩溃。
然后用来自网络的附加信息补充这些计算？ 通过定制算法找到？ 在最终被验证并经过多次检查以确保它们保持在现实领域之前。
“这并不是真的要发现一种特定的化合物，”材料科学家 Yaroslav Mudryk 说道，来自艾姆斯实验室。 “问题是，我们如何设计一种新方法或新工具来发现和预测稀土化合物？这就是我们所做的。”
实验数据还可以反馈到机器学习系统中，进一步提高其准确性并减少出错的机会，例如提出实际上不起作用的稀土化合物。
目前，在开始实际寻找这些稀土化合物的任务之前，该模型仍在评估和调整中，但研究人员承诺，这只是新开发系统的开始。
更好的是，该团队在这里使用的技术也应该适用于未来寻找其他难以捉摸的材料。 最终，我们不应该如此依赖非常注重机缘巧合做出这些发现。
研究人员在他们的研究中总结道：“我们的方法将有助于发现具有新功能的新型复杂稀土化合物。”发表论文。
该研究发表于材料学报。
