蓋世汽車訊 據(jù)外媒報(bào)道，美國能源部SLAC國家加速器實(shí)驗(yàn)室（SLAC National Accelerator Laboratory）和斯坦福大學(xué)（Stanford University）的計(jì)算機(jī)科學(xué)和材料科學(xué)研究人員合作開發(fā)出基于人工智能（AI）的方法，有助于在探索新材料時(shí)更有效地收集數(shù)據(jù)，從而能夠以更高的精確度和速度來應(yīng)對(duì)復(fù)雜的設(shè)計(jì)挑戰(zhàn)。此次合作結(jié)合了各方在算法開發(fā)、機(jī)器學(xué)習(xí)和材料科學(xué)方面的專業(yè)知識(shí)。

（圖片來源：SLAC）

這項(xiàng)研究為“自動(dòng)駕駛實(shí)驗(yàn)（self-driving experiment）”奠定了基礎(chǔ)，其中智能算法定義了SLAC的直線加速器相干光源（LCLS）等設(shè)施的下一組測量參數(shù)。新方法還支持快速發(fā)現(xiàn)新材料，可能在氣候變化、量子計(jì)算和藥物設(shè)計(jì)等領(lǐng)域富有前景。

由于制造和測量新材料性能的成本很高，傳統(tǒng)材料的發(fā)現(xiàn)過程歷來耗時(shí)且昂貴。可能的材料空間也非常大，其中只有四種元素的材料的可能性超過100億種。由于需要滿足復(fù)雜的設(shè)計(jì)目標(biāo)，例如發(fā)現(xiàn)合成納米顆粒（具有不同尺寸、形狀和成分）的條件，這項(xiàng)任務(wù)變得更加復(fù)雜。傳統(tǒng)方法通常是最大化或最小化簡單屬性，因此速度較慢，無法篩選巨大的搜索空間以發(fā)現(xiàn)符合研究人員目標(biāo)的新材料。

返回第一電動(dòng)網(wǎng)首頁 >