人工智能系统助力寻找新稀土化合物

科学家们开发了一种人工智能（AI）系统来帮助寻找新的稀土化合物。这里使用的AI类型是机器学习：它是指软件研究信息数据库（在这种情况下是关于稀土元素化合物），识别模式和相关性，然后使其能够发现上述数据库的新的潜在匹配。

稀土元素是各种电子产品的重要组成部分，从智能手机和宽带电缆到风力涡轮机和电动汽车。但是，想出能够扩大我们对稀土的实际使用的有用化合物是很困难的，其结果是不可预测的。

“机器学习在这里真的很重要，因为当我们谈论新的成分时，有序的材料大家都很了解，然而，当你把无序添加到已知材料中时，情况就不同了。组成的数量变得非常大，往往是几千或几百万，而且你无法用理论或实验来研究所有可能的组合。”爱荷华州立大学艾姆斯实验室的材料科学家Prashant Singh说。

在材料科学中，秩序和无序指的是颗粒在材料中的排列方式（例如，以完美的晶体网格或更混乱的分散排列），这直接影响到所述材料的特性和用途。在这种情况下，机器学习模型是利用一个稀土数据库和密度泛函理论（DFT）的一些想法建立的，DFT涉及材料结构的分析，非常适合这种研究。

该模型的构建方式意味着可以快速测试数百种排列组合，然后可以评估每一种排列组合的相位稳定性。换句话说，人工智能能够判断一个稀土组合是否将是可行的。然后，这些计算被补充了来自网络的额外信息，通过定制的算法找到，并在最后被验证并通过几个检查，以确保它们保持在现实的范围内。

“这并不是真的要发现一种特定的化合物，”来自埃姆斯实验室的材料科学家Yaroslav Mudryk说。“它是我们如何设计一种新的方法或新的工具来发现和预测稀土化合物。”

实验数据也可以反馈到机器学习系统中，进一步提高其准确性，减少出错的机会，例如提出实际上不起作用的稀土元素化合物。现在，该模型在开始实际寻找这些稀土元素化合物的任务之前仍在进行评估和调整，但研究人员承诺，这只是新开发系统的开始。

该团队在这里使用的技术在未来也应该适用于寻找其他难以捉摸的材料种类。使得人们可以不依赖偶然性来进行这类发现。研究人员在他们发表的论文中总结说：“我们的方法将有助于发现具有新功能的新的和复杂的稀土化合物。”

• < 上页
• 下页 >