人工智能的研發(fā)方興未艾。隨著(zhù)其應用領(lǐng)域的不斷延伸，其他學(xué)科也在與人工智能的結合中獲得意想不到的收獲，新材料便是其中之一。

目前，國外已有人工智能助力新材料研發(fā)的案例報道。英國利物浦大學(xué)的科研人員研發(fā)了一款機器人，在8天內自主設計化學(xué)反應路線(xiàn)，完成了688個(gè)實(shí)驗，找到一種高效催化劑來(lái)提高聚合物光催化性能，這項實(shí)驗若由人工完成將花費數月時(shí)間。不久前，日本大阪大學(xué)一名教授利用1200種光伏電池材料作為訓練數據庫，通過(guò)機器學(xué)習算法研究高分子材料結構和光電感應之間的關(guān)系，成功在1分鐘內篩選出有潛在應用價(jià)值的化合物結構，傳統方法則需5—6年時(shí)間。

這樣的成功應用蘊藏了探索新材料和科技進(jìn)步的無(wú)限可能?？v觀(guān)人類(lèi)歷史，每一次科技革命都與材料的發(fā)展息息相關(guān)。工業(yè)革命前，石器、青銅器、鐵器的發(fā)展將手工業(yè)逐漸從狩獵和農牧業(yè)中分離出來(lái)。第一次工業(yè)革命后，鋼鐵和復合材料逐漸占據了人們的日常生活。第三次工業(yè)革命后，半導體、高晶硅、高分子材料迅速發(fā)展，成為需求量巨大的新材料。本世紀以來(lái)，隨著(zhù)高端制造業(yè)的進(jìn)一步完善，新材料圍繞功能化、智能化、集成化發(fā)展路徑，與納米技術(shù)、生物技術(shù)、信息技術(shù)等新興產(chǎn)業(yè)深度融合，成為科技進(jìn)步的重要手段。

新材料的研制是基礎研究和應用基礎研究相互融合促進(jìn)的過(guò)程，往往需要經(jīng)歷化學(xué)性質(zhì)改良和物理加工改進(jìn)，過(guò)程頗為不易。以近年來(lái)興起的智能纖維為例，這種新材料能隨外界環(huán)境刺激發(fā)生體積或形態(tài)變化，可用于構筑可穿戴智能設備。對它研發(fā)時(shí)，首先要了解其刺激響應機理，并建立一個(gè)合適的物理模型進(jìn)行解釋?zhuān)黄浯我x擇合適的材料作為研究對象，運用化學(xué)手段改進(jìn)其功能單元的功能與性質(zhì)，通過(guò)反復實(shí)驗摸索其刺激響應的條件，并完善結構單元的性能；最后是生產(chǎn)加工，歷經(jīng)紡絲、染整、編織等不同的處理流程，不斷進(jìn)行工藝優(yōu)化與技術(shù)改進(jìn)。由此可見(jiàn)，新材料研發(fā)是一種典型的試錯性研發(fā)，經(jīng)歷周期往往較長(cháng)。

為了縮短研發(fā)周期，人工智能可以作為一個(gè)強有力的輔助工具，借助數據共享，對先進(jìn)材料的物理化學(xué)性質(zhì)進(jìn)行預測、篩選，從而加快新材料的合成和生產(chǎn)。過(guò)去，材料的設計都是通過(guò)理論計算來(lái)構建結構和性質(zhì)的關(guān)系。不過(guò)，由于原子有很多不同的結合方式，設計一個(gè)新的分子結構就如同一個(gè)搭積木游戲，拼搭過(guò)程中無(wú)法預知分子的性質(zhì)。作為人工智能的一個(gè)分支，機器學(xué)習算法在輔助新材料設計時(shí)尤為“得力”，其工作過(guò)程主要包括“描述符”生成、模型構建和驗證、材料預測、實(shí)驗驗證4個(gè)步驟。所謂“描述符”，就是根據現有數據來(lái)描述材料的某些特殊性質(zhì)，再通過(guò)非線(xiàn)性的形式構建訓練模型，從而預測新材料性質(zhì)，這個(gè)過(guò)程不再依賴(lài)物理知識。

人工智能要想和新材料擦出更多的“火花”，仍面臨一些挑戰。比如，AI算法很難準確預測晶體結構，訓練數據的可靠性仍有待理論方法的發(fā)展等。為了更好發(fā)揮學(xué)科交叉融合的乘數效應，除了需要算法不斷改進(jìn)外，理論計算化學(xué)的發(fā)展、材料性質(zhì)表征手段的研發(fā)也應齊頭并進(jìn)。未來(lái)，相信通過(guò)各方科學(xué)家的努力，新材料的創(chuàng )新成果將會(huì )不斷涌現。