天作之合——人工智能恋上新材料

材料牛注：人工智能、大数据等正在不断地改变着我们的生活方式，材料领域也将迎来一场翻天覆地的变化，如何借助人工智能发现甚至设计新材料，让我们一睹为快吧！

借助人工智能，来自瑞士巴塞尔大学的化学家们已经计算出了约二百万种晶体的特征结构，这些晶体由四种化学元素组成。研究人员可以确定90种作为新材料的晶体，这些晶体的热力学稳定性以前是不为人知的。

钾冰晶石是一种玻璃状、透明、有光泽、柔软的具有立方晶体结构的矿物。它首次被发现是在埃尔帕索县（美国科罗拉多州），接着在落基山脉，弗吉尼亚和亚平宁山脉（意大利）也均有发现。在实验数据库中，钾冰晶石是出现频率最高的季晶体（晶体由四种化学元素组成）之一。根据其成分，它可以是一个金属导体，半导体或者绝缘体，并且在辐照下可以发光。

钾冰晶石的这些特征使其很有可能被用在闪烁器（某些方面已经得到证实）和其它一些应用中。钾冰晶石化学性质复杂，这就意味着，在数学上来说，我们几乎不可能利用量子力学去预测钾冰晶石结构中四种元素每一种理论可行的组合。

来自瑞士巴塞尔大学化学系Anatole von Lilienfeld教授小组的博士生Felix Faber利用现代人工智能，成功解决了这种材料的设计问题。首先，他利用量子力学预测了几千种任意化学组成的钾冰晶石晶体。然后，他将这些结果构建成一个统计的机器学习模型（ML模型）。改进后的算法策略，其预测结果与标准量子力学方法一样精确。

ML模型的优势在于其计算速度比量子力学计算快几个数量级。ML模型能够在一天之内预测两百万种钾冰晶石晶体的形成能——化学稳定性的一个指标，这些钾冰晶石晶体理论上由周期表的主族元素组成。相比之下，如果用量子力学的方法处理同样的工作量，即使利用超级计算机也要花费超过2000万个小时。

通过模型计算的特征分析方法，我们对这类材料有了新的见解。研究人员能够探测形成能的基本趋势，并且可以根据量子力学预测方法确定90种热力学稳定的未知晶体。

基于这些潜在的特征，钾冰晶石已经被收录到了在材料基因组计划中起着重要作用的材料工程材料数据库。该计划由美国政府在2011年发起，目的是利用计算上的支持加快有趣新材料的发现与合成。

一些新发现的钾冰晶石晶体表现出独特的电学性质和不一样的化学组成。研究主管Von Lilienfeld说道：“人工智能、大数据、量子力学以及超级计算的结合加深了我们对材料的理解，并且使我们不再只是依赖人类直觉去发现新材料。”

原文链接：Artificial intelligence helps in the discovery of new materials

文献链接：Machine Learning Energies of 2 Million Elpasolite (ABC2D6) Crystals

本文由编辑部杨浩提供素材，雷达编译，朱晓秀审核，点我加入编辑部。