鉅大LARGE | 點擊量:1234次 | 2020年03月11日
人工智能系統發現新材料,助力電池開發
由康奈爾大學(Cornell)領導的研究小組,利用所開發的人工智能系統發現一種材料,有望制造更高效燃料鋰電池。該系統依賴于眾多算法機器人程序,每個執行不同的任務,篩選成百上千的元素組合,創建相位圖,即原子之間的排列,人類可以據此確定哪些是可以使用的新材料。
康奈爾大學計算科學教授、重要研究人員CarlaGomes教授表示:“問題迫使我們開發全新的方法,真正推進人工智能前沿領域,獲得物理上有意義的解決方案。”當時,研究人員正在尋找一種催化劑,以改進汽車燃料鋰電池。這種催化劑能讓汽車用甲醇替代難以儲存的氫,甲醇的效率可能要高得多。
加州理工學院的研究員JohnGregoire博士表示:“但是,我們已知的材料中,都不能充當有效的甲醇氧化催化劑,因此要一種新材料。想要找到可行的催化劑,要對元素周期表上的所有元素進行組合,這個數量太大了,不能做傳統實驗。”
研究人員還要了解材料的晶體結構或相結構,因為固體可能具有多種相結構,而每一種結構作為催化劑的行為都不同。“人類可以解決包含兩個元素的簡單合成系統的相位圖,”Gregoire說,“但是,超過兩個元素時,人類要處理的信息太多,因此要人工智能的幫助。然而,現有機器學習方法并不適合嚴苛的科學研究。因為解決方案不僅必須是可信的,而且必須遵守物理和化學定律。“
為了迎接這一挑戰,Gomes和同事開發名為“晶體”(CRYSTAL)的系統,用于晶體相位映射。該系統包括多個機器人程序,分別負責問題的不同部分,預測各種組合的相位結構,并確保這些預測符合熱力學規則。機器學習系統通常學習使用大量帶注釋的訓練數據解決問題。例如,通過標記為“狗”或“貓”的圖像集訓練區分狗和貓的算法。但是,在此次研究中,沒有現成的標記數據,因此,CRYSTAL要能夠從無標記數據中得出推論,這一過程被稱為無監督學習。“關于單一系統來說,這將是壓倒性的,是不可能實現的。”Gomes說,“但是,假如我們靈活地將多代理系統集中在一起,就能夠快速找到解決方案,并滿足所有的條件。“Gomes稱,CRYSTAL的靈感部分來自IBM沃森超級計算機。
通過CRYSTAL系統,研究人員識別出一種獨特的催化劑,它由三種元素結晶成一定的結構,對甲醇氧化有效,可以用于基于甲醇的燃料鋰電池。Gregoire表示:“這一重要發現,挑戰我們對催化的理解,也是設計下一代催化劑的重要研究方向。”