德克薩斯A&M工程研究團隊正在利用機器學習，數(shù)據(jù)科學和專家領域知識的力量自主發(fā)現(xiàn)新材料。

該團隊開發(fā)并展示了一個自主高效的框架，能夠最佳地探索材料設計空間(材料設計空間是具體世界的抽象。它是所研究的所有可能材料的空間，具有基本材料特征)。

自治系統(tǒng) - 或人工智能(AI)代理 - 被定義為能夠構建感興趣問題的內(nèi)部表示或模型的任何系統(tǒng)，然后使用該模型做出決策并采取獨立于人的行動。受累。

這一跨學科工作的作者是材料科學與工程系的Anjana Talapatra博士和Raymundo Arroyave博士，Shahin Boluki博士，錢曉寧博士和電氣與計算機工程系的Edward Dougherty博士。

他們的自主框架能夠自適應地選擇最佳的機器學習模型，以找到適合任何給定標準的最佳材料。他們的研究由美國國家科學基金會和空軍科學研究辦公室資助，通過確保尋找合適材料的最大效率，減少從實驗室到市場的時間和成本。

基礎數(shù)學理論有許多應用，包括影響生物醫(yī)學領域。例如，通過他們的貝葉斯學習和實驗設計框架，可以模擬疾病以揭示關鍵風險因素，以開發(fā)針對特定患者的有效治療并降低人體臨床試驗的成本。

“先進材料對經(jīng)濟安全和人類福祉至關重要，應用于旨在應對清潔能源，國家安全和人類福祉挑戰(zhàn)的行業(yè)，但在初步發(fā)現(xiàn)后將材料運送到市場可能需要20年或更長時間“。 - 材料基因組計劃

該團隊希望對該框架進行詳盡的測試，因此他們在閉環(huán)計算平臺上進行了演示，使用量子力學來預測MAX相的特性，這些材料是高溫應用的有前景的材料，包括用于新型抗氧化涂層的新型抗氧化涂層。噴氣發(fā)動機渦輪葉片。德克薩斯A&M集團也正在應用該框架來發(fā)現(xiàn)高溫形狀記憶合金，例如，該合金可用于制造具有變形翼的航空航天飛行器。

自主創(chuàng)新

之前已經(jīng)對有效的實驗設計技術進行了重要的研究。然而，這個團隊是第一個使用基于貝葉斯技術的人(意味著他們總結了所有關于材料/材料類的知識并利用這些知識來尋找最佳材料)并以自主方式使用它，不斷搜索僅用于下一次運行的最佳計算/實驗，但也用于表示采集數(shù)據(jù)的最佳模型。

“加速探索材料空間以確定具有最佳性能的配置是一項持續(xù)的挑戰(zhàn)，”在Arroyave計算材料實驗室擔任計算科學家的Talapatra說。“目前的范例主要圍繞通過高通量實驗和/或計算進行這種探索的想法。這些方法沒有考慮可用資源的限制。我們通過將材料發(fā)現(xiàn)框架化為最佳實驗設計來解決這個問題。”

本研究中提出的方法靈活，適應不同的研究情況。值得注意的是，Talapatra和Boluki的算法可以處理非常少的初始數(shù)據(jù)，使其成為新材料研究的理想選擇。

與之前在該領域的工作相比，該算法代表了更智能的一步。其他算法迫使人們開始使用預定義的模型，這會在實驗中引入約束并且可能使結果偏斜。“我們的算法可以在任何給定時間根據(jù)獲取的數(shù)據(jù)自動和自主地確定哪個模型是n個模型中的最佳模型，”Talapatra說。自主計算機程序減少了步驟數(shù)量并限制了有限資源的使用。由于它可以從最初的兩個實驗開始作為初始數(shù)據(jù)點，因此該算法非常適合優(yōu)化初始實驗和辨別最佳前進路徑。

它可以被實驗者用作一步工具來簡單地決定下一個要探索的材料，或者作為純粹的計算工具來替換昂貴的計算模型并降低計算成本。它還可以用于組合的實驗和計算設置。至少，該框架提供了一種非常有效的構建初始數(shù)據(jù)集的方法，因為它可以用于指導實驗或計算，重點是在材料設計空間的那些部分收集數(shù)據(jù)，這將導致最有效的途徑實現(xiàn)最佳材料。

“通常情況下，材料研究是以非常特殊的方式進行的，而且意外情況往往是規(guī)則，而不是例外，”塔拉帕特拉說。“問題是你經(jīng)常不知道材料為什么或不起作用的基本物理。我們的模型不夠精確。當你開始材料發(fā)現(xiàn)之旅時，你會從最基本的物理知識開始，比如電子數(shù)量和元素連接在一起時會發(fā)生什么。你必須找到特征和屬性之間的相似性。“

“我們在(人工智能)模型中盡可能多地包括了科學，”博羅基說，他將在明年秋天為自己的論文辯護。Boluki和Talapatra在項目中擔任實施者，并在python中編碼。

關于該算法的論文已經(jīng)過同行評審，在幾次會議上發(fā)表，并得到了材料科學與工程界的良好反饋。Texas A&M的工程師和科學家們已經(jīng)在使用該計劃。

從細胞病理學到材料科學：數(shù)學基礎

2011年，Qian和Dougherty開始合作加強生物醫(yī)學研究中的實驗設計。他們利用數(shù)學模型來觀察細胞何時進入腫瘤階段。

同年，聯(lián)邦政策制定者宣布了材料基因組計劃，該計劃旨在通過結合使用計算和實驗工具以及數(shù)字數(shù)據(jù)來加速新先進材料的發(fā)現(xiàn)。在過去的八年中，全國范圍內(nèi)投入了大量時間，金錢和資源。

Qian和Dougherty在2013年將注意力轉向材料科學問題。兩年前，團隊開始致力于優(yōu)化設計問題，最初與Drs合作。來自洛斯阿拉莫斯國家實驗室的Turab Lookman和Prasanna Balachandran。目前的范例通常圍繞通過實驗或計算探索材料空間的想法，他們的方法表明有更有效的方法來發(fā)現(xiàn)材料。

“當其他人專注于生成和分析大量數(shù)據(jù)時，我們意識到最好的方法是專注于實驗設計 - 如何通過選擇材料來探索可能材料的廣闊領域并增加成功的機會有目標，目標財產(chǎn)或回應的想法，“塔拉帕特拉說。