工程师们总是在尝试寻找满足项目需求的功能材料。然而，在找到最终目标之前，他们有太多的选项需要一一分析。即使有材料模拟技术的协助，工程师们仍需花费很长的时间才能找到合适的材料。
据phys.org网站报道，美国卡内基梅隆大学（CMU）和加拿大卡尔加里大学（UOC）的研究人员对一种人工智能算法进行了改进，使工程师能够快速、精准地找到具有所需特性的材料。相关研究成果近日刊登于《物理评论材料》杂志中。
论文作者、CMU机械工程助理教授Amir Barati Farimani说：“受客观条件限制，工程师们很难通过实验和计算来描绘所需材料的特性。因此，我们希望创建一种能快速预测材料特性的算法或模型。”
要引入人工智能，研究人员必须先用已知数据训练算法，接着，算法才能学习从这些信息中推断出新想法
Farimani团队用材料的化学组成数据对算法进行了训练，尤其值得注意的是，他们的训练数据包含了电子对材料性质的影响。Farimani表示，这一化学数据为算法创建了一个新的材料描述符。
新算法可用于评估太阳能面板、药品及电池的适用材料性能，具有广泛的应用前景。此外，新算法的使用也很简便——研究人员只需让预先训练好的深度学习模型找到目标属性即可。研究人员认为，目前这一经过优化的算法要领先于其他主流算法。Farimani评价道：“依靠这一算法，你能够以极高的精确度‘瞬间’预测材料的性质。”
版权声明：本文由科界平台原创编译，中文内容仅供参考，一切内容以英文原版为准。转载请注明来源科技工作者之家—科界App。
