人工智慧應用的範疇越來越廣了,美國西北大學在Science Advances發表論文,以人工智慧幫助開發金屬玻璃,篩選數百種材質並找到3種能混合為金屬玻璃的材料。開發團隊表示,以人工智慧輔助開發,較傳統方法快了200倍。

金屬玻璃另一個較為人所知的名稱為液態金屬,但是液態金屬(Liquidmetal)為加州理工學院研究團隊所開發的非晶態金屬合金的專利商業名稱,iPhone SIM卡取卡針便是以液態金屬打造。大部分金屬的原子以有序的結構排列,而金屬玻璃的原子則以無序排列,不只比鋼更堅固,也更輕更防腐蝕又耐磨,因此有很高的商業價值。

但過去50年,數百萬種可能可以製成金屬玻璃的材料,只有數千種被試驗過。現在西北大學、美國能源部SLAC國家加速器實驗室以及美國國家標準與技術研究院(NIST)的科學家們共同合作,以較少的時間與成本,應用人工智慧從一堆性質難以捉摸的材料中,篩選出可以製造金屬玻璃的成分。

研究團隊結合SLAC史丹佛同步輻射光源(SSRL)系統以及機器學習,篩選了數百種的成分,並找到3種可以製成金屬玻璃的成分,比起以前快了200倍。西北大學McCormick工程學院材料科學與工程教授Chris Wolverton表示,傳統從發現材料到商業應用,通常需要10年的時間,最快也要2年。

過去50年科學家研究了6,000種金屬玻璃的成分,研究團隊表示,現在他們一年就可以研究20,000種。

研究團隊一開始將這50年來,6,000種金屬玻璃材料的研究資料放入機器學習中訓練,並由第一輪的演算法中得到了2種樣品合金,再以SSRL X光掃描這2種合金,並將取得的資料重新輸入機器學習。這樣的過程經過3輪後,發現金屬的成功率從3百到4百個中發現1個,提升到了2個到3個,而他們用於新製造金屬玻璃的3種成分,其中有2種從未用於金屬玻璃製造。

研究團隊以科學量測預測結果,並將這些資料回饋到機器學習的訓練資料,SSRL的科學家同時也是論文的共同作者Apurva Mehta表示,這種研究方法將會顛覆材料科學以及化學界。


Advertisement

更多 iThome相關內容