人工智慧系統助力尋找新稀土化合物

科學家們開發了一種人工智慧（AI）系統來説明尋找新的稀土化合物。這裡使用的AI類型是機器學習：它是指軟體研究資訊資料庫（在這種情況下是關於稀土元素化合物），識別模式和相關性，然後使其能夠發現上述資料庫的新的潛在匹配。

稀土元素是各種電子產品的重要組成部分，從智慧手機和寬頻電纜到風力渦輪機和電動汽車。但是，想出能夠擴大我們對稀土的實際使用的有用化合物是很困難的，其結果是不可預測的。

“機器學習在這裡真的很重要，因為當我們談論新的成分時，有序的材料大家都很瞭解，然而，當你把無序添加到已知材料中時，情況就不同了。組成的數量變得非常大，往往是幾千或幾百萬，而且你無法用理論或實驗來研究所有可能的組合。”愛荷華州立大學艾姆斯實驗室的材料科學家Prashant Singh說。

在材料科學中，秩序和無序指的是顆粒在材料中的排列方式（例如，以完美的晶體網格或更混亂的分散排列），這直接影響到所述材料的特性和用途。在這種情況下，機器學習模型是利用一個稀土資料庫和密度泛函理論（DFT）的一些想法建立的，DFT涉及材料結構的分析，非常適合這種研究。

該模型的構建方式意味著可以快速測試數百種排列組合，然後可以評估每一種排列組合的相位穩定性。換句話說，人工智慧能夠判斷一個稀土組合是否將是可行的。然後，這些計算被補充了來自網路的額外資訊，通過定制的演算法找到，並在最後被驗證並通過幾個檢查，以確保它們保持在現實的範圍內。

“這並不是真的要發現一種特定的化合物，”來自埃姆斯實驗室的材料科學家Yaroslav Mudryk說。“它是我們如何設計一種新的方法或新的工具來發現和預測稀土化合物。”

實驗資料也可以回饋到機器學習系統中，進一步提高其準確性，減少出錯的機會，例如提出實際上不起作用的稀土元素化合物。現在，該模型在開始實際尋找這些稀土元素化合物的任務之前仍在進行評估和調整，但研究人員承諾，這只是新開發系統的開始。

該團隊在這裡使用的技術在未來也應該適用於尋找其他難以捉摸的材料種類。使得人們可以不依賴偶然性來進行這類發現。研究人員在他們發表的論文中總結說：“我們的方法將有助於發現具有新功能的新的和複雜的稀土化合物。”

• < 前一頁
• 下一個 >