新材料的发现或开发伴随着几乎每一项人类历史上的科技进步，从铜和锌的混合制成青铜，到为数字技术提供动力的高质量硅微芯片，无不如此。
为特定需求设计材料是一项很难完成的任务，原子构建块的随机混合和匹配可以产生无数种可能的化合物。从历史上看，新材料的发现涉及运气、直觉和反复试验的结合。但因为人工智能，这一切都可能发生改变。
人工智能正在彻底改变化学研究的面貌。近日，刊登在《Nature》的一篇评论中，来自英国和美国的国际科学家团队回顾了机器学习在化学领域的快速进展，并探究了机械学习在化学设计方面日益增长的潜力。
丹尼尔是该团队中的一名博士生，他说：“机器学习是人工智能的一个分支，计算机根据数据学习进行自我优化。这些方法已经存在了一段时间，广泛用于谷歌、雅虎、亚马逊等，用于定向广告、翻译和垃圾邮件过滤。最近这些技术还被用来实现自动驾驶汽车和类人机器人技术。机器学习现在被用来加速科学进程，提高我们需要的关键材料的设计速度。”
研究人员的主要目的，是解释机器学习在哪些领域对分子和材料的研究发起挑战，并确定了接下来需要克服的一些关键障碍。例如，让计算机识别化学物质和化合物是一个很大的挑战。
“我们的结论是，随着科学家们在其研究项目中越来越多的采用机器学习，这些项目的应用范围也以惊人的速度增长。新一代由开源工具平台支持和数据共享的计算机，有可能彻底改变分子和材料的发现过程。我们预测这个领域将成为科学方法的一个组成部分，而不仅仅是一个单独的研究领域”
人类一直享有远远超过机器的推理和直觉能力。但科学家现在开始尝试用人工智能驱动来解决问题，以加速他们自己的材料发现和优化过程。
来自 ISIS Neutron 的 Keith Butler 博士和该评论的第一作者 Muon Source 说：“在传统的计算方法中，计算机只不过是一个计算器，采用人类专家提供的硬编码算法。相比之下，我们看到越来越多真实的例子告诉我们，机器学习技术得到了改善。”
机器学习和人工智能提供了通过已知的材料属性来训练计算机的可能性，以丰富未来的知识系统。人工智能会考虑所有可用数据，并能找出由于研究人员偏向性而可能遗漏的信息。
但是什么推动了这一领域的进步？一个重要驱动因素是开源数据库。
“在我们这些生产大量数据的研究设施里，这尤其令人兴奋，我们在充满数据的数据库里，现在我们终于能够有效利用他们了，”巴特勒博士补充说。
