迷信家应用人工智能发现新资料

美国一个迷信家团队宿愿应用人工智能在极短时期内发现新的钢材代替品。结果，他们发现了三种新的混合物，可用于制造金属玻璃，时期上比以前同类上班快了200倍。

迷信家应用人工智能发现新资料Dawn Harmer / SLAC国度减速器试验室：Fang Ren在减速器试验室做博士前时期开发了即时剖析数据的算法。图中的她正在操作斯坦福同步辐射光源射束线系统，该系统已投入经常使用。

金属玻璃基本上是未来的合金。通常，几种金属会混合在一同，目的是将每种金属的现实特性“增加”在一同制造出“超级金属”。合金的性能与金属相似，看上去也与金属相似，其原子结构由谨严的几何图案组成。而另一方面，金属玻璃原子结构的几何图案并不谨严，其原子结构十分像玻璃那样无序。这种原子结构因此使得相应的资料比钢更轻、更坚挺。因此，金属玻璃是钢材的现实代替品。

但金属玻璃是一种相对较新的资料，金属玻璃的各种成分组合未能所有获取测试。或者的组合达数百万种，在过去的50年里仅数千种组合被测试及评价，并且只要少数组合最终被开发经常使用。所以，金属玻璃业界亟需寻觅一种可以预测最佳组合或对最佳组合启动建模的方法。记者了解到，由动力部的SLAC国度减速器试验室、国度规范与技术钻研院（）（NIST）和西北大学（起头组建的迷信家团队日前找到了发现最佳金属玻璃最佳组合的捷径，而用到的方法就是应用人工智能。

该团队应用了SLAC的斯坦福同步辐射光源系统（SSRL）（），经过机器学习系统发现了三种新的成分混合物，可用于制造金属玻璃。他们的钻研结果宣布在《迷信停顿》（Science Advances.）上。西北大学的Chris Wolverton传授是该论文的协作作者。他示意，“通常须要一、二十年才干实现一种资料从发现到商业用途的开发。该钻研结果关于缩短开发时期跨出了一大步。咱们可以从一个资料的清单开局，应用人工智能迅速地将数量渺小的潜在资料增加到几个低劣的候选资料。”

该钻研结果不只可以用于金属玻璃，还可以用于其余资料，钻研结果因此关于工业界来说是一项十分有价值的技术。 Wolverton传授的最终指标是扫描一种样本资料后即时应用机器学习模型提供关于这种资料的反应。在过去的半个世纪里，迷信家钻研过约6000种金属玻璃的成分组合。而Wolverton传授的团队应用人工智能曾经挑选了20,000种成分组合。团队在预测、试验测量和结果之间来回循环，将关键消息输入到他们的机器学习系统里。 SSRL X射线束系统可用于扫描合金，而后这些数据被输入到机器学习系统里，进而生成新的结果，而后再用这些数据创立一个新的样本，再用X射线束扫描直至制造出最好的资料。这种技术宿愿能在未来能开展成更快的方法，其智能化水平能更好及能用于许多许多的资料。机器学习和人工智能技术曾经开收回了许多令人振奋的运行；如许美妙的时代。