將兩種或三種金屬混合在一起，您就會得到一種通常看起來像金屬一樣的合金，其原子排列成剛性的幾何圖案。
但偶爾，在恰當(dāng)?shù)臈l件下，你會得到一些全新的東西：一種稱為金屬玻璃的未來合金，它是無定形的，其原子排列成各個方向，就像窗戶玻璃原子一樣。它的玻璃狀性質(zhì)使其比現(xiàn)在最好的鋼材更堅固更輕，而且更耐腐蝕和耐磨。
信息圖表比較機器學(xué)習(xí)和實驗數(shù)據(jù)，尋找新的金屬合金
盡管金屬玻璃作為保護涂層和鋼材的替代品顯示出很大的希望，但在過去的50年中，只有數(shù)百萬種可能的成分組合中的幾千種已被評估過，并且只有少數(shù)幾種可能發(fā)展到變得有用的程度。
現(xiàn)在由能源部SLAC國家加速器實驗室，美國國家標準與技術(shù)研究院（NIST）和西北大學(xué)的科學(xué)家領(lǐng)導(dǎo)的一個小組報告了發(fā)現(xiàn)和改進金屬玻璃的捷徑。
該研究小組利用SLAC斯坦福同步輻射光源（SSRL）的一個系統(tǒng)，該系統(tǒng)將機器學(xué)習(xí)（一種人工智能形式，其中計算機算法從大量數(shù)據(jù)中搜集知識）與實驗快速制作和篩選數(shù)百種樣品材料一次。這使得該團隊能夠發(fā)現(xiàn)三種新的金屬玻璃成分混合物，并且比以前做得快200倍，他們的研究成果在Science Advances上報道。
西北教授克里斯沃爾弗頓說：“通常需要十年或兩年的時間才能將材料從發(fā)現(xiàn)應(yīng)用到商業(yè)用途，”西沃教授克利斯沃爾弗頓是使用計算和人工智能預(yù)測新材料的早期先驅(qū)，也是該論文的合作者。“這是努力縮短這一時間的一大步，你可以從材料列表中選擇最適合你的材料列表，并利用人工智能將潛在材料的巨大領(lǐng)域迅速縮小為幾個優(yōu)秀的候選者”。
他說，最終的目標是讓科學(xué)家能夠掃描數(shù)百種樣品材料，從機器學(xué)習(xí)模型中獲得幾乎是直接的反饋，并準備另一套樣品在第二天甚至一小時內(nèi)進行測試。
在過去的半個世紀里，科學(xué)家們已經(jīng)研究了大約6,000種組成金屬玻璃的成分，SSRL的一位科學(xué)家加入合作，Apurva Mehta：“我們能夠在一年內(nèi)制作和篩選20,000個。”
剛剛開始
雖然其他團隊已經(jīng)使用機器學(xué)習(xí)來預(yù)測哪里可以找到不同種類的金屬玻璃，Mehta說：“我們所做的獨特之處在于通過實驗測量快速驗證我們的預(yù)測，然后將結(jié)果反復(fù)循環(huán)回到下一輪的機器學(xué)習(xí)和實驗。”
他補充道，還有很多空間可以讓這個過程更加快速，并且最終實現(xiàn)了自動化，讓人們完全脫離環(huán)路，因此科學(xué)家可以專注于需要人類直覺和創(chuàng)造力的其他工作方面。“這不僅會影響同步加速器用戶，還會影響整個材料科學(xué)和化學(xué)界。”Mehta說。
該團隊表示，這種方法可用于各種實驗，特別是在尋找材料，如金屬玻璃和催化劑，其性能受制造方式的強烈影響時，以及那些科學(xué)家沒有理論指導(dǎo)他們的搜索的材料。通過機器學(xué)習(xí)，不需要以前的理解。這些算法可以自行建立關(guān)系并得出結(jié)論，這可以在意想不到的方向上進行研究。
“其中一個更令人興奮的方面是，我們可以如此迅速地做出預(yù)測，并且實驗周而復(fù)始，以至于我們可以調(diào)查那些不遵循我們的正常經(jīng)驗法則的材料，以確定材料是否會形成玻璃，“論文合作者NIST的材料研究工程師Jason Hattrick-Simpers說。“人工智能將改變材料科學(xué)如何完成的前景，這是第一步。”
方仁開發(fā)了一種算法，用于SLAC博士后研究人員在斯坦福同步輻射光源射束線上運行該系統(tǒng)，該系統(tǒng)已投入使用。
數(shù)字的力量
該論文是與美國能源部資助的試點項目相關(guān)的第一個科學(xué)成果，SLAC正在與硅谷人工智能公司Citrine Informatics合作，改變新材料的發(fā)現(xiàn)方式，并為各地的科學(xué)家提供工具。
Citrine由斯坦福大學(xué)和西北大學(xué)的前研究生創(chuàng)立，創(chuàng)建了一個材料科學(xué)數(shù)據(jù)平臺，在這個平臺中以一致的格式存儲著已發(fā)表論文，電子表格和實驗室筆記本中的數(shù)據(jù)，因此可以為材料專門使用。
“我們希望獲取材料和化學(xué)數(shù)據(jù)，并有效利用它們來設(shè)計新材料和優(yōu)化制造，”該公司的創(chuàng)始人兼首席執(zhí)行官Greg Mulholland說。“這是人工智能的力量：隨著科學(xué)家產(chǎn)生更多的數(shù)據(jù)，它會一起學(xué)習(xí)，帶來隱藏的趨勢，讓科學(xué)家比依靠傳統(tǒng)的，純粹由人為驅(qū)動的材料更快，更有效地識別高性能材料發(fā)展“。
直到最近，思考，制作和評估新材料的速度都非常緩慢。例如，金屬玻璃的作者計算出，即使你每天都可以制作和檢查五種潛在類型的金屬玻璃，但要花上一千多年的時間來研究每一種可能的金屬玻璃組合金屬。當(dāng)他們發(fā)現(xiàn)金屬玻璃時，研究人員努力克服阻礙這些材料本身具有的問題。因為有些成分有毒或昂貴成分，并且它們都具有玻璃易碎，易碎的性質(zhì)。
在過去的十年中，SSRL和其他地方的科學(xué)家已經(jīng)開發(fā)出了使實驗自動化的方法，以便他們能夠在更短的時間內(nèi)創(chuàng)建和研究更多新穎的材料。今天，一些SSRL用戶可以在他們的數(shù)據(jù)幾乎一出現(xiàn)由SSRL與Citrine一起開發(fā)的AI軟件以及美國能源部勞倫斯伯克利國家實驗室的CAMERA項目中得到初步分析。
“使用這些自動化系統(tǒng)，我們每天可以分析超過2000個樣本，”本文的主要作者方仁說，他開發(fā)了算法來實時分析數(shù)據(jù)并協(xié)調(diào)它們與系統(tǒng)的集成，同時還是SLAC的博士后學(xué)者。
試驗數(shù)據(jù)
在金屬玻璃研究中，研究團隊研究了數(shù)千種含有三種廉價，無毒金屬的合金。
他們從一系列可追溯至50多年的材料數(shù)據(jù)開始，其中包括6,000個搜索金屬玻璃的實驗結(jié)果。該團隊使用Wolverton和西北大學(xué)研究生Logan Ward開發(fā)的先進機器學(xué)習(xí)算法梳理了數(shù)據(jù)。
基于第一輪研究中學(xué)到的算法，科學(xué)家們使用兩種不同的方法制作了兩套樣品合金，使他們能夠測試制造方法是如何影響合金變形成玻璃的。
通過SSRL X射線束掃描兩組合金，將數(shù)據(jù)輸入Citrine數(shù)據(jù)庫，并產(chǎn)生新的機器學(xué)習(xí)結(jié)果，這些結(jié)果用于制備經(jīng)歷另一輪掃描和機器學(xué)習(xí)的新樣品。
Mehta表示，通過實驗的第三輪也是最后一輪，該團體發(fā)現(xiàn)金屬玻璃的成功率從300或400個樣品中的一個增加到了兩個或三個樣品中的一個。他們確定的金屬玻璃樣品代表了三種成分的不同組合，其中兩種從未用于制造金屬玻璃。
