全世界的科學家已經在使用人工智能（AI）通過預測合成之前的行為方式以及識別解決特定問題的有用材料等方法來幫助他們發(fā)現(xiàn)新材料。

現(xiàn)在，美國國家標準技術研究院（NIST）的多機構團隊開發(fā)了用于執(zhí)行此操作的系統(tǒng)，方法是發(fā)明一種稱為CAMEO的算法，該算法可幫助他們發(fā)現(xiàn)新材料而無需科學家的任何額外培訓。

CAMEO是由美國國家標準技術研究院（NIST）的研究人員開發(fā)的算法系統(tǒng)，能夠通過閉環(huán)操作來搜索新材料。AI確定在材料上運行哪個實驗，進行實驗并收集數(shù)據。實驗的一個周期可能需要幾秒鐘到幾十分鐘。

CAMEO代表材料探索和優(yōu)化的閉環(huán)自主系統(tǒng)，它使用預測和不確定性來確定哪些實驗研究人員應下一步嘗試發(fā)現(xiàn)材料是否適合某項應用。 

該算法是斯坦福大學，美國能源部科學技術辦公室，馬里蘭大學和華盛頓大學等多家教育和研究機構的研究人員的工作。

CAMEO按照其名稱的含義進行工作-通過閉環(huán)操作尋找有用的新材料。系統(tǒng)確定要在材料上運行的實驗，進行實驗并收集數(shù)據。

簡化流程

NIST研究人員Aaron Gilad Kusne說，在進行下一個實驗之前，它還可以從科學家那里獲取更多信息，例如所需材料的晶體結構。。  

研究人員說，CAMEO旨在通過這種方式幫助科學家優(yōu)化時間，確保每個實驗都能最大化科學家的知識和理解力，從而使他們可以跳過測試，從而為他們提供多余的信息。他們說，這反過來又使實驗室能夠更有效地使用其有限的資源。

d iscovering特定科學用途的新材料通常是耗時的，試錯的過程。如果研究人員對材料的特性如何隨不同溫度變化感興趣，那么研究人員可能需要在10個不同溫度下進行10個實驗。

然而，除了溫度以外，其他參數(shù)也可能存在，這成倍地增加了研究人員必須進行實驗以查看該材料是否非常適合特定工作的次數(shù)。

CAMEO基于機器學習，在此過程中，計算機程序可以訪問數(shù)據并自行處理數(shù)據，從而自動改進自身，而無需依賴反復的培訓。

獨立工作者

在這種情況下，該系統(tǒng)無需任何監(jiān)督，其發(fā)現(xiàn)法律直接編入CAMEO中，馬里蘭大學材料科學與工程研究人員兼教授Ichiro Takeuchi說。他說，這就是CAMEO可以獨自尋找新材料的方式，而無需科學家的任何投入或培訓。

竹內在一份聲明中說：“我們實驗的關鍵是我們能夠在組合庫中釋放CAMEO，在該庫中我們已經制作了各種材料的所有不同成分?！?/p>

該團隊使用CAMEO發(fā)現(xiàn)了一種新材料Ge 4 Sb 6 Te 7，該組織簡稱為GST467，由鍺，銻和碲這三種元素組成。研究人員為該系統(tǒng)提供了177種潛在的材料進行研究，而CAMEO在19個不同的實驗周期中做了10個小時的實驗。研究人員估計，科學家將花費90個小時來完成相同的工作。

GST467是一種相變存儲材料，當通過加熱使其快速熔化時，其原子結構從具有指定規(guī)則位置原子的晶體或固體材料變?yōu)榫哂须S機位置原子的非晶或固體材料。

研究人員正在尋找晶態(tài)和非晶態(tài)之間“光學對比度”差異最大的材料，以在電子存儲應用（如數(shù)據存儲）中顯示出比同類材料更高的性能。

研究人員說，GST467還可以用于控制電路中光的方向的光子開關設備，也可以用于神經形態(tài)計算領域，該領域旨在開發(fā)模仿大腦神經元結構和功能的裝置。

該小組在《自然通訊》雜志上發(fā)表了一篇關于其工作的論文。

他們說，研究人員相信CAMEO在材料發(fā)現(xiàn)中具有廣泛的應用潛力，并計劃將算法的代碼開源。這樣其他科學家也可以使用它。

Kusne說，他們目前專注于改進AI，以提高其解決更大復雜性問題的能力。

 他說：“ CAMEO具有機器人科學家的智慧，它的建立是為了以非常有效的方式設計，運行和從實驗中學習?！?nbsp;