在CHESS工作的SARA团队成员，观察人工智能系统自主收集、解释和处理的数据。左起顺时针:博士生艾因·康诺利、张明江；客座科学家马克西米利安·阿姆斯勒；和材料科学与工程教授迈克尔·汤普森。学分:R. Bruce van Dover/康奈尔大学当一位厨艺大师开发出一种新的蛋糕食谱时，她不会尝试每一种可以想到的配料组合来看哪一种效果最好。厨师使用先前的烘焙知识和基本原则来更有效地搜索获胜的配方。材料科学家使用类似的方法在可再生能源和微电子等领域寻找具有独特性能的新材料。康奈尔大学研究人员开发的一种新的人工智能工具有望快速探索和识别“催生”新材料所需的条件。
SARA(科学自主推理代理)集成了机器人材料合成和表征，以及人工智能和主动学习方法的层次结构，以有效地揭示复杂加工相图的结构，从而大大加快材料发现的速度。
计算机科学领域的博士生塞巴斯蒂安·阿门特(Sebastian Ament)和前博士后研究员、现为康奈尔大学访问科学家的马克西米利安·阿姆斯勒(Maximilian Amsler)是《通过非平衡相图的分层主动学习进行自主合成》一书的合著者，该书于12月17日在科学进展出版。
SARA的第一个原型是由工程教授小沃尔特·s·卡彭特(Walter s . Carpenter Jr .)领导的多学科团队共同开发的；迈克尔·汤普森，德怀特·鲍姆工程教授，材料科学与工程系；康奈尔大学安·鲍尔斯计算和信息科学学院计算和信息科学教授卡拉·戈麦斯；和加州理工学院的研究教授约翰·格雷戈瓦博士。
在这项工作中，研究人员将重点放在无机材料上，尤其是那些可以被捕获在“亚稳态”中的材料，这些状态最终可能会随着时间的推移转变为“平衡”状态。例如，金刚石是亚稳态的，如果给予足够的时间，最终会转变成石墨。
许多这样的亚稳态材料具有独特的性质，这使得它们在许多应用中是理想的，但是由于它们不是天然存在的，识别它们可能是一项耗时费力的工作。研究人员表示，SARA可以将表征新材料系统所需的实验时间缩短一到两个数量级——从几天到几小时，从几小时到几分钟。
汤普森说:“我们研究的所有有用的东西往往都是亚稳态的——例如铁和硅——都存在于不太平衡的结构中，这赋予了它们独特的性质。“因此，搜索的一部分是寻找具有关键特性的新材料和新结构。”
莎拉以闪电般的速度进行搜索。在分析了一条材料——在这种情况下，氧化铋的不同相和与温度相关的特性，通过溅射以薄膜形式沉积在晶片上，并通过称为横向梯度激光尖峰退火的技术进行处理——之后，SARA决定要进行的nex t实验，立即进行，然后重复该过程。每个循环都在几秒钟内完成。
实验在康奈尔高能同步加速器源以及康奈尔纳米科学技术设施中进行。
“计算机正在现场控制实验，”汤普森说。“有一个命令是在特定条件下处理材料，然后立即对其进行表征，并根据现在可以获得的即时新知识，对下一个实验做出新的决定。”
“所以在弄清楚下一个实验是什么之后，它实际上做了那个实验，”范·多佛说。“然后继续，重新解释，然后它提出了另一个实验——所有这些都没有人为干预。”
Gregoire将SARA称为“自动驾驶实验室”。
“假设你在山上，使用自动导航，”他说。“程序的一部分是计算如何到达一座山峰的顶端，另一部分是拍摄整个山脉的照片，说“嘿，也许我应该去另一座山峰上走一会儿。"
范·多佛认为这是一个定性的层次，也是一个定量的层次。
“在科学领域，有巨大的机会去观察不同的维度，”他说。“我会说[SARA代表]从观察山脉的地形，到突然之间，结合什么样的树木或昆虫或动物存在。这是一种不同的维度。”
戈麦斯说，这项工作符合教务长办公室发起的激进合作倡议。
“我们聚集了人工智能、计算机科学、材料科学的研究人员，”戈麦斯说，他也是康奈尔大学计算可持续性研究所的主任。“这个想法是，我们让人工智能执行科学过程的一部分。”
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
