东京理工大学 现金结合了机器学习、机器人技术和大数据,展示了材料科学的巨大潜力
只有通过与这些技术的共同进化,未来的研究人员才能从事更具创造性的研究,从而加速材料科学的研究
信用:东京理工大学 过去许多科学突破的核心是新材料的发现
然而,合成、测试和优化新材料的周期通常需要科学家长时间的辛勤工作
正因为如此,许多具有奇特性质的潜在有用材料仍未被发现
但是,如果我们可以使用机器人和人工智能来自动化整个新材料开发过程,使其更快呢? 在APL Materials最近发表的一项研究中,日本东京理工大学(东京理工大学)的科学家们在清水良田副教授和麻生仁教授的带领下,设计了一种可以实现完全自主的材料研究的策略
他们的工作围绕着实验室设备是“现金”(互联、自主、共享、高通量)的革命性理念
有了材料实验室的CASH设置,研究人员只需要决定他们想要优化哪些材料特性,并为系统提供必要的成分;然后,自动系统控制并反复准备和测试新的化合物,直到找到最佳的化合物
使用机器学习算法,系统可以利用以前的知识来决定如何改变合成条件,以接近每个周期的期望结果
为了证明现金在固态材料研究中是一种可行的策略,清水副教授和他的团队创建了一个概念验证系统,该系统包括一个由几个模块包围的机械臂
他们的设置旨在通过调整沉积条件来最小化二氧化钛薄膜的电阻
因此,模块是溅射沉积设备和用于测量电阻的装置
机械臂根据需要将样本从一个模块转移到另一个模块,系统根据先前的数据自动预测下一次迭代的合成参数
对于预测,他们使用了贝叶斯优化算法
令人惊讶的是,他们的CASH系统每天能够生产和测试大约12个样品,与科学家在传统实验室手工完成的产量相比,增加了10倍
除了速度的显著提高之外,CASH策略的主要优势之一是可以创建巨大的共享数据库,描述材料属性如何根据合成条件而变化
在这方面,仁治教授说:“今天,物质及其性质的数据库仍然不完整
利用CASH方法,我们可以很容易地完成它们,然后发现隐藏的材料属性,从而发现新的物理定律,并通过统计分析得出见解
" 研究小组相信CASH方法将带来材料科学的一场革命
CASH系统快速而轻松地生成的数据库将被合并成大数据,科学家将使用先进的算法来处理它们并提取人类可以理解的表达式。
然而,正如仁治教授指出的那样,仅靠机器学习和机器人学无法在物理和化学领域找到见解或发现概念
“未来材料科学家的训练必须进化;他们需要了解机器学习能解决什么问题,并相应地解决问题
人类研究者的力量在于创造概念或识别社会中的问题
将这些优势与机器学习和机器人技术相结合非常重要,”他说
总的来说,这篇透视文章强调了自动化可能给材料科学带来的巨大好处
如果重复任务的重担从研究人员的肩上卸下,他们将能够为了人类的利益而更加专注于揭示物质世界的秘密
来源:由phyica.com整理转载自PH,转载请保留出处和链接!