2024-07-23 09:41
据外媒报道，美国能源部SLAC国家加速器实验室（SLAC National Accelerator Laboratory）和斯坦福大学（Stanford University）的计算机科学和材料科学研究人员合作开发出基于人工智能（AI）的方法，有助于在探索新材料时更有效地收集数据，从而能够以更高的精确度和速度来应对复杂的设计挑战。此次合作结合了各方在算法开发、机器学习和材料科学方面的专业知识。
（图片来源：SLAC）
这项研究为“自动驾驶实验（self-driving experiment）”奠定了基础，其中智能算法定义了SLAC的直线加速器相干光源（LCLS）等设施的下一组测量参数。新方法还支持快速发现新材料，可能在气候变化、量子计算和药物设计等领域富有前景。
由于制造和测量新材料性能的成本很高，传统材料的发现过程历来耗时且昂贵。可能的材料空间也非常大，其中只有四种元素的材料的可能性超过100亿种。由于需要满足复杂的设计目标，例如发现合成纳米颗粒（具有不同尺寸、形状和成分）的条件，这项任务变得更加复杂。传统方法通常是最大化或最小化简单属性，因此速度较慢，无法筛选巨大的搜索空间以发现符合研究人员目标的新材料。
扫一扫关注微信
