人工智能！美国研究人员利用计算机算法轻松识别超硬材料

科学家利用算法成功地识别出了超硬化合物从而消除了冗长的试验流程和避免错误的发生。

美国研究人员近日开发出一种新型计算机，此计算机可以通过学习算法从而加快识别优良性能材料的速度。通过在多达100000种化合物的数据库中层层筛选，该计算机成功预测了性能最优的超硬材料。预测出的材料也是研究人员们事先确定好的性能最优的两种超硬材料之一。

通常，硬度大于40GPa的任何材料可统称为超硬材料，一般可以利用维氏硬度计测量材料的硬度。超硬材料可用于各种工程和生物医学领域，主要包括一些钻头、切削工具和人工关节的应用。它们通常非常昂贵且难以制造，需要利用极端的温度和压力或利用含有重过渡金属的材料制成。

寻找这种新材料通常需要长时间反复研究，但是位于德克萨斯州休士顿大学的Jakoah Brgoch证实了利用计算机学习算法可以使目标更具针对性。

Brgoch解释说：“我们能够通过在我们的算法中挑选出具有良好硬度的两种新化合物来消除实验中出现的的典型试验错误。机器学习算法得到的结果可以使我们对其他所有复合材料有更深的见解。我喜欢将这个工作贯彻到底，并把焦点放在确定会产生我们所期望的机械反应的材料上。”

来源：美国化学学会

图为计算机学习识别合成并测试超硬度的两种材料

虽然计算机学习算法早前就已被应用于预测材料的性能，但对于预测材料的硬度来说，它仍然是一个不小的挑战。这是因为硬度是一种相对复杂的性能，它不仅取决于材料的化学成分，还取决于其制造方式和随后加工或处理的方式。

为了解决这个问题，Brgoch的团队使用了一个硬度代理，通过训练该算法可用来预测与硬度直接相关的内在机械性能，比如体积和剪切模量。使用传统台式计算机，在30秒内计算机通过学习算法便筛选了超过118000种材料的晶体结构，并利用其学习能力去识别高体积和剪切模量的化合物，从而可以证明了材料潜在的超硬度性能。

该算法的结果引导研究人员把目光放在了两种材料上：铼钨碳化物和钼钨硼碳化物。这两种材料是研究人员之后合成的，同时他们发现这两种材料的硬度接近于超硬阈值。Brgoch说：“随着再做一些额外的改进，我们很可能使这些材料的硬度越过这个临界值，使它们成为百分之百的超硬材料。”

虽然这些材料和它们的晶体结构先前已经报道过，但很少人知道它们的性质。其实是因为当前我们在选择材料仅限于那些已知材料，而关于这些新合成的材料的一些结果我们还在继续研究中。Brgoch继续说道：“在未来，我们希望可以预测以前从未报道过的全新化合物。”

英国帝国理工学院的材料研究学者Aron Walsh说：“这项工作提供了一个及时的例子，说明如何通过使用量子力学计算的结果来改变计算化学的变化，从而利用统计模型来进行更广泛的预测。”

他还补充道：“利用传统的筛选方法是不容易发现这些制备的超硬金属间化合物。”

文章来自chemistryworld.com，原文题目为：Machine learning makes light work of hard materials，由材料科技在线汇总整理。