国家标准与技术研究所 信用:CC0公共领域 当想到“人工智能”这个词时，你的第一个想法可能是超级智能计算机，或者不需要人类帮助就能完成任务的机器人
现在，一个包括来自国家标准与技术研究所(NIST)的研究人员在内的多机构团队已经在不太远的地方完成了一些事情:他们开发了一种叫做CAMEO的人工智能算法，该算法发现了一种潜在有用的新材料，而不需要科学家的额外培训
人工智能系统有助于减少科学家在实验室中反复试验的时间，同时最大限度地提高他们研究的生产率和效率
研究小组在《自然通讯》上发表了他们关于CAMEO的工作
在材料科学领域，科学家们寻求发现可用于特定应用的新材料，如“一种重量轻但用于制造汽车也很坚固的金属，或者一种能承受喷气发动机高应力和高温的金属，”NIST研究员亚伦·吉拉德·库什内说
但是找到这样的新材料通常需要大量的协同实验和耗时的理论研究
如果一个研究人员对一种材料的性质在不同温度下的变化感兴趣，那么他可能需要在10个不同的温度下进行10个实验
但是温度只是一个参数
如果有五个参数，每个参数有10个值，那么研究人员必须运行实验10×10×10×10×10次，总共100，000个实验
库什内说，由于可能需要几年或几十年的时间，研究人员几乎不可能进行这么多实验
这就是CAMEO的用处。
CAMEO是闭环自主材料探索和优化系统的缩写，它可以确保每个实验最大限度地增加科学家的知识和理解，跳过那些会给出冗余信息的实验
帮助科学家用更少的实验更快地达到他们的目标也能使实验室更有效地利用他们有限的资源
但是CAMEO是怎么做到的呢？ 机器背后的方法 机器学习是一个过程，在这个过程中，计算机程序可以访问数据并自己处理数据，自动提高自己，而不是依赖重复训练
这是CAMEO的基础，CAMEO是一种自学习AI，它利用预测和不确定性来决定下一步尝试哪个实验
顾名思义，CAMEO通过闭环操作来寻找有用的新材料:它决定在材料上运行哪个实验，进行实验，并收集数据
在运行下一个实验之前，它还可以向科学家询问更多信息，例如所需材料的晶体结构，这是由循环中执行的所有过去的实验所通知的
马里兰大学的材料科学和工程研究员兼教授竹内一郎说:“我们实验的关键是我们能够在一个组合库中释放CAMEO，在那里我们已经用所有不同的成分制作了大量的材料。”
在通常的组合研究中，阵列中的每种材料都将被依次测量，以寻找具有最佳性能的化合物
即使测量设置很快，也需要很长时间
有了CAMEO，只需要通常测量数量的一小部分就能找到最好的材料
人工智能还被设计成包含关键原理的知识，包括过去模拟和实验室实验的知识，设备如何工作，以及物理概念
例如，研究人员用相图的知识武装了CAMEO，相图描述了材料中原子的排列如何随着化学成分和温度而变化
了解原子在材料中的排列方式对于确定材料的性质很重要，例如材料的硬度或电绝缘性，以及它在特定应用中的适用性
“人工智能是无人监管的
许多类型的人工智能需要训练或监督
我们没有要求它学习物理定律，而是将它们编码到人工智能中
你不需要一个人来训练人工智能，”库什内说
找出材料结构的最好方法之一是用x光轰击它，这种技术被称为x光衍射
通过识别x光反射的角度，科学家可以确定原子在材料中是如何排列的，从而使他们能够找出材料的晶体结构
然而，一个单独的内部x光衍射实验可能需要一个小时或更长时间
在一个同步加速器设施中，一个足球场大小的大型机器以接近光速的速度加速带电粒子，这个过程可能需要10秒钟，因为快速移动的粒子会发射大量的x光
这是在斯坦福同步辐射光源(SSRL)进行的实验中使用的方法
该算法安装在通过数据网络连接到x光衍射设备的计算机上
CAMEO通过选择X射线聚焦的材料来研究其原子结构，从而决定下一步要研究的材料成分
随着每次新的迭代，CAMEO从过去的测量中学习，并确定下一个要研究的材料
这使得人工智能能够探索材料的组成如何影响其结构，并为任务确定最佳材料
“把这个过程想象成试图做出完美的蛋糕，”库什内说
“你混合了不同类型的材料，面粉、鸡蛋或黄油，使用不同的食谱来制作最好的蛋糕
通过人工智能，它可以搜索“配方”或实验来确定材料的最佳成分
CAMEO就是通过这种方法发现这种材料的？葛？_4 ?Sb？_6 ?Te？_(7)，该组将其缩短为GST467
CAMEO有177种潜在的材料需要研究，涵盖了大量的成分配方
为了得到这种材料，CAMEO进行了19次不同的实验循环，花费了10个小时，相比之下，一个科学家需要90个小时才能得到全部177种材料
新材料 该材料由三种不同的元素(锗、锑和碲、锗-锑-碲)组成，是一种相变存储材料，也就是说，当通过加热快速熔化时，其原子结构从晶体(原子位于指定的规则位置的固体材料)变为非晶(原子位于随机位置的固体材料)
这种材料用于电子存储应用，如数据存储
尽管锗-锑-碲合金系统中可能存在无限的成分变化，但由CAMEO发现的新材料GST467是相变应用的最佳材料
研究人员希望CAMEO找到最好的锗锑碲合金，一种在晶态和非晶态之间“光学对比度”差异最大的合金
例如，在DVD或蓝光光盘上，光学对比度允许扫描激光通过区分具有高或低反射率的区域来读取光盘
他们发现GST467的光学对比度是？葛？_2 ?Sb？_2 ?Te？_5，一种众所周知的常用于数字视盘的材料
较大的对比度使新材料的性能大大优于旧材料
GST467还应用于光子开关器件，控制电路中的光的方向
它们还可以应用于神经形态计算，这是一个致力于开发模拟大脑神经元结构和功能的设备的研究领域，为新型计算机以及从复杂图像中提取有用数据等其他应用开辟了可能性
CAMEO的更广泛应用 研究人员认为，CAMEO可以用于许多其他材料的应用
CAMEO的代码是开源的，科学家和研究人员可以免费使用
与类似的机器学习方法不同，CAMEO通过关注晶体材料的成分-结构-性质关系，发现了一种有用的新化合物
通过这种方式，该算法通过追踪材料功能的结构起源来导航发现过程
CAMEO的一个好处是最小化成本，因为在同步加速器设备上提出、计划和运行实验需要时间和金钱
研究人员估计，使用CAMEO进行实验的时间减少了10倍，因为实验次数可以减少十分之一
因为人工智能正在运行测量、收集数据和执行分析，这也减少了研究人员运行实验所需的知识量
研究者必须关注的是运行人工智能
另一个好处是为科学家提供远程工作的能力
“这开启了一股科学家的浪潮，让他们不用真正呆在实验室里也能继续工作、提高生产力，”俄罗斯国家加速器实验室的研究员阿普瓦尔·梅塔说
这可能意味着，如果科学家想从事涉及传染病或病毒的研究，比如新冠肺炎，他们可以安全、远程地进行研究，同时依靠人工智能在实验室进行实验
目前，研究人员将继续改进人工智能，并试图使算法能够解决越来越复杂的问题
“CAMEO具有机器人科学家的智能，它是以非常有效的方式设计、运行和从实验中学习的，”库什内说
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
