工程师们总是在为他们的项目寻找性能非常特殊的材料。不幸的是，对于研究人员来说，有太多的选择，他们只是猜测和检查，直到他们找到了他们要找的东西。即使他们要模拟一种材料，而不是仅仅在实验室里测试，也要花太长时间才能找到合适的材料。

幸运的是，研究人员发现了一种人工智能技术，它将帮助研究人员找到适合项目的任何材料。在最近发表的一篇论文中，卡内基梅隆大学（Carnegie Mellon University）和卡尔加里大学（University of Calgary）的研究人员对其中一种算法进行了改进，使研究人员能够快速准确地找到具有所需性能的材料。

“由于材料的空间如此巨大，很难用实验和计算来表征材料的特性，” 卡内基梅隆大学机械工程助理教授阿米尔·巴拉蒂·法里马尼（Amir Barati Farimani）这样说，“因此，我们正在创建能够快速预测材料性能的算法或模型。”

要使用人工智能，或机器学习，研究人员必须首先使用已知数据训练算法。然后，算法学习从这些信息中推断出新的想法。Barati Farimani和他的团队用材料化学组成的数据训练了这个算法。特别是，它们包含了关于电子在决定材料性质中所起作用的信息。Barati Farimani称，这些化学数据为该算法创建了一个新的材料描述符。

由于该算法可以预测大范围材料的性能，因此有许多应用。例如，该算法可以找到一种热性能适合太阳能电池板的材料。此外，它还可以识别用于制造药物和电池的材料。为了使用这种算法，研究人员可以简单地让预先训练的深度学习模型找到它们所要查看的属性。

这些算法变得越来越精确。如果算法不够精确，结果将无法使用。如果算法太慢，研究人员将永远无法获得结果。目前，该团队发现他们的算法优于其他领先的算法。

“你可以使用这个算法，训练一个深度学习模型，并在几秒钟内预测它们，”Barati Farimani说，“其实质在于证明它对不同种类的材料的预测精度很高，然后每个行业都可以使用它。”

参考文献：Physical Review Materials. CMU post-doctoral scholar Mohammadreza Karamad, Ph.D. student Rishikesh Magar, and researcher Yuting Shi were also listed as co-authors. Other authors include Samira Siahrostami and Ian D. Gates from the University of Calgary.