美国国家科学基金会新项目，助力涡轮增压材料的研发

人们总在持续不断的寻找和发现功能材料。特殊的材料具有不同的特性和功能，这些具有特性的材料可以给人带来划时代意义的改变。大约5000年前，青铜器的发现和使用，其意义不亚于现代文明的开启。最近，硅的特性引起了信息时代的到来，并且生产了一批我们已习以为常的产品：塑料、复合材料、不锈钢、玻璃、钛，甚至不会被污染的衣服。

在国家科学基金会TRIPODS X计划的支持下，Lehigh大学的Josh Aga与加州大学伯克利分校合作提高材料发现和开发的速度。开发的内容涉及电子，医疗保健和能源系统等领域。 （Lehigh大学供图）

新材料的研发是一个漫长的过程，美国里海大学材料科学与工程助理教授Joshua Agar表示：“我们看到材料的研发经历了数千年的试验和错误，这种重复的实验跨越了几代人和整个文明。当社会开始在越来越专业化的实验室进行物理实验时，研发效率开始显著提高。这是一种改进，但这种方法带来了巨大的成本，我们耗费了大量的财力、物力、精力在这些实验上。尽管如此，科学家们已经开始使用计算机模拟来推动更为广泛的研究领域（包括新材料的研发）。这种数字技术的使用远比以前任何一种方法都有效，我们也将做得更好。”

提高新材料的研发的速度，只是Lehigh和加州大学伯克利分校研究团队所进行研究的新项目的一个目标，该项目由美国国家科学基金会（NSF）提供大约60万美元的援助。

Agar继续说道：“最近我们在并行计算方法方面取得的进展，使得机器学习能够从原始数据中得出结论，由于各种因素的相互依赖，这些因素将超出人类的理解能力。”目前，为了理解数据中这些深层次的、细微的关系，我们使用计算技术来执行一系列高效功能的逻辑链，这些计算技术相当于蛮力计算。这就像用喷火器把一个焦糖布丁炸脆。

在项目过程中，Agar和他的团队将开发他们称之为“一个有效的贝叶斯引导的计算框架”，它将指导神经网络的发展—一个基于人类大脑和神经系统设计的计算机系统—用于涡轮增压，寻找具有改进的电气、机械、热和磁特性的新型和先进材料。

根据Agar教授的说法，该项目将应用“深度学习神经网络”来更有效地执行与传统的基于物理学的计算模拟相关的操作。该团队计划的工作最终将加速其他科学家在原始材料的发现和合成方面的工作；如果成功，他们所开发的新技术可能会对材料研发产生更大的影响。

他说：“我们相信，神经网络模型效率的提高将有助于提解决目前计算技术难以解决的科学问题。目前的科研工作专注于使神经网络模型能够发现我们所谓的应变诱导的极性阶段和材料中的相位竞争。但是与伯克利的合作伙伴合作，我们相信通过这种努力开发的一些基础数据科学方法也可能有助于支持天文学对宇宙大规模结构的理解—广泛意义上的宇宙学。这些概念甚至有可能将被证明适用于众多科学学科和相邻领域的计算机模拟。

这些应用领域与实验室所做的工作几乎没有什么关系，即把原子排列成晶体，并让它们执行各种任务。但事实上，基层的数据科学是可以直接适用的。这确实证明了在数据和计算方法方面具有根本性的研究价值，这能够跨越许多领域，从而支持了对类似问题有不同观点的研究者进行聚类的概念。

在这方面，Agar教授认为TRIPODS X项目是一个非常适合他的研究方向和美国里海大学战略方向的理想选择。他说“我们的实验室在某种程度上成为美国里海大学一个新的功能材料和设备研究所、数据、智能系统和计算研究所以及纳米人机界面倡议的交叉点。在我们的校园里，美国里海大学正致力于在各学科的交叉点进行团队研究。NSF的TRIPOD X计划，在支持类似的项目时，也展示了对这种方法的更广泛的理念。”

9月初，NSF宣布获得850万美元的TRIPODS X拨款，以将跨学科TRIPODS研究所的范围扩展到其他工程、科学和数学领域。总的来说，NSF将协助23所大学的19个合作项目。受支持的团队将为复杂和根深蒂固的数据科学问题带来新的观点。

“通过TRIPODS X项目解决日益增加的数据量和复杂性的多学科方法将对数据科学及其使用领域产生深远影响，”计算机与信息科学与工程副总监Jim Kurose说。 NSF，在该组织的9月11日宣布。 “随着数据继续推动科学发现和创新，这种影响肯定会增加。”