如何从数百种材料找出金属玻璃适用材料？科学家用AI加快200倍研究速度

人工智能应用的范畴越来越广了，美国西北大学在Science Advances发表论文，以人工智能帮助开发金属玻璃，筛选数百种材质并找到3种能混合为金属玻璃的材料。开发团队表示，以人工智能辅助开发，较传统方法快了200倍。

金属玻璃另一个较为人所知的名称为液态金属，但是液态金属（Liquidmetal）为加州理工学院研究团队所开发的非晶态金属合金的专利商业名称，iPhone SIM卡取卡针便是以液态金属打造。大部分金属的原子以有序的结构排列，而金属玻璃的原子则以无序排列，不只比钢更坚固，也更轻更防腐蚀又耐磨，因此有很高的商业价值。

但过去50年，数百万种可能可以制成金属玻璃的材料，只有数千种被试验过。现在西北大学、美国能源部SLAC国家加速器实验室以及美国国家标准与技术研究院（NIST）的科学家们共同合作，以较少的时间与成本，应用人工智能从一堆性质难以捉摸的材料中，筛选出可以制造金属玻璃的成分。

研究团队结合SLAC史丹佛同步辐射光源（SSRL）系统以及机器学习，筛选了数百种的成分，并找到3种可以制成金属玻璃的成分，比起以前快了200倍。西北大学McCormick工程学院材料科学与工程教授Chris Wolverton表示，传统从发现材料到商业应用，通常需要10年的时间，最快也要2年。

过去50年科学家研究了6,000种金属玻璃的成分，研究团队表示，现在他们一年就可以研究20,000种。

研究团队一开始将这50年来，6,000种金属玻璃材料的研究资料放入机器学习中训练，并由第一轮的算法中得到了2种样品合金，再以SSRL X光扫描这2种合金，并将取得的资料重新输入机器学习。这样的过程经过3轮后，发现金属的成功率从3百到4百个中发现1个，提升到了2个到3个，而他们用于新制造金属玻璃的3种成分，其中有2种从未用于金属玻璃制造。

研究团队以科学量测预测结果，并将这些资料回馈到机器学习的训练资料，SSRL的科学家同时也是论文的共同作者Apurva Mehta表示，这种研究方法将会颠覆材料科学以及化学界。