本篇文章981字，读完约2分钟
雷锋。搜索“雷锋”。在人工智能的帮助下，瑞士巴塞尔大学的化学家们通过计算由四种化学元素组成的晶体获得了大约200万种特征。研究人员还鉴定了90种以前未发现的热稳定晶体，它们可以被视为新材料。研究人员将这些发现发表在科学杂志《物理评论快报》上。
能量矩阵，高能势(红色)或低能势(蓝色)
钾冰晶石是一种玻璃质、透明、有光泽的立方体矿物，最初发现于埃尔帕索县(美国科罗拉多州)，也出现于落基山脉、弗吉尼亚和亚平宁山脉(意大利)。在实验数据库中，钾冰晶石通常是最常见的四元晶体(晶体由四种化学元素组成)。这取决于它的成分。它可以是金属导体、半导体或绝缘体，当受到辐射时会发光。
这些特性使得钾冰晶石有可能被用于制造闪烁物质(其某些方面已经被证明)和其他情况。其化学的复杂性意味着几乎不可能用量子力学从理论上预测钾冰晶石结构由四种元素组成的所有可行组合。
|机器学习有助于统计分析
伯尔尼大学化学系阿纳托尔·冯·利林菲尔德教授的博士生费利克斯·费伯依靠现代人工智能技术成功地解决了这种材料的设计问题。首先，他用量子力学来预测冰晶石晶体由成千上万种随机化学成分组成。然后，他使用这些结果来训练统计机器学习模型(ml模型)。改进的算法策略实现了与标准量子力学方法相同的预测精度。
ml模型的优点是可以将量子力学的计算速度提高几个数量级。理论上，从元素周期表的主要族元素中可以得到200万种冰晶石晶体，该模型可以在一天内测量所有化学稳定性的一个指标——分级能。相比之下，使用超级计算机通过量子力学进行计算需要2000多万小时。
|新材料、新功能
模型计算得到的特性分析为此类材料提供了新的见解。研究人员可以预测基本能级，并根据量子力学的预测识别出90种热力学稳定的未知晶体。
基于这些特点，钾冰晶石进入了材料工程的材料数据库，在材料基因组计划中发挥了关键作用。该倡议由美国政府于2011年发起，旨在通过计算辅助加速新材料的发现和合成实验。
一些新发现的冰晶石晶体具有独特的电子特征和不寻常的组成。“人工智能与大数据、量子力学和超级计算相结合，为我们打开了一条加深理解和发现新材料的新途径。我们不会考虑是否只依靠人类的直觉。”
每日科学之路的头像
推荐阅读:
独家报道|李开复有三个人工智能轴心:建立一个工程学院，运行一个算法竞赛，和招生
机器学习备忘录:你必须知道的五件事
