《材料科学+人工智能:“抱团”才能“更暖”》

  • 来源专题:科技大数据监测服务平台
  • 编译者: zhoujie
  • 发布时间:2019-06-20
  • “一些汽车企业经常讲,汽车再怎么改变,离不开一个壳、一个发动机、四个轮子,吃定了这个就什么都不怕。但是特斯拉一出来,前盖一打开,原来的发动机都没有了,成了装行李的箱子,这些老牌汽车公司立马有了危机感。”

    6月17日,在广东省东莞市召开的粤港澳大湾区科技创新论坛上,中国科学院院士、松山湖材料实验室理事长王恩哥讲的这个故事,引起了大家的深思。

    “谁掌握了材料,谁就掌握了未来。”在王恩哥看来,当前一些热门的领域,如生命健康、信息产业、人工智能等,说到底都要依赖材料的革新。

    在人工智能和材料科学高速协同发展的今天,人们也面临着诸多亟待解决的基本科学问题、关键技术难题及政策实施引导。 这也正是中国科学院学部工作局、中国科学院物理研究所主办本次论坛的原因。科技发展到今天,材料科学和人工智能这两个学科之间,可能从未像现在一样需要彼此。 “材料科学对人工智能的发展是非常重要的,同时人工智能可以帮助材料科学的发展。”中国科学院院士、松山湖材料实验室学术委员会主任赵忠贤说,“对这些问题,我们需要不断讨论,加深认识。” 2011年,美国前总统奥巴马宣布启动了一项雄心勃勃的“材料基因组计划”,投资超过1亿美元。这项计划试图通过数据共享和计算技术,将新材料的研发周期、成本大幅降低。 欧盟、日本、中国也紧随其后。2012年,“材料科学系统工程发展战略研究——中国版材料基因组计划”重大项目启动会在中国工程院召开。 中国科学院院士、清华大学原校长顾秉林认为,以往的材料科学研究是试错、“炒菜”式的,研发周期很长,耗费了很多人力物力。而机器学习以及人工智能的发展,缩短了材料研发的周期、减少了投资、加快了整个领域的进程。“材料科学和人工智能的协同发展无疑将对材料科学起到至关重要的作用。” “材料科学涉及的种类和数据特别多,需要人工智能的介入,才会提高处理效率。”中国科学院院士、武汉大学物理科学与技术学院院长徐红星也认为,“材料科学对人工智能的需求是实实在在的”。

    今年2月,美国国家科学院发布了针对材料研究的第三次十年调查——《材料研究前沿:十年调查》,评估了过去十年中材料研究领域的进展,确定了未来十年的材料研究的机遇、挑战和新方向。其中,在纳米、高熵等前沿材料研究领域,人工智能被寄予厚望。机器学习方法在材料设计和材料筛选方面表现出巨大潜力,将有望极大推动新型材料的发现和传统材料的更新。 反过来,作为必不可缺的硬件基础,人工智能的发展也离不开材料科学的助力。1月,《科学进展(Science Advances)》杂志报道了清华大学和中国科学技术大学科研人员合作完成的一项研究,他们在超导系统中首次实验实现了量子生成对抗学习,展示了量子器件应用于人工智能领域中的可行性及巨大潜力。

    在论坛召开当天,由中国科学院物理所为牵头单位,东莞市政府、中国科学院物理所和中国科学院高能物理研究所共建的松山湖材料实验室也正式动工。这个总体规划1200亩、总经费预算约120亿元的材料科学实验室,定位于成为有国际影响力的新材料研发南方基地、未来国家物质科学研究的重要组成部分、粤港澳交叉开放的新窗口及具有国际品牌效应的粤港澳科研中心。 徐红星希望,松山湖材料实验室地处粤港澳大湾区的创新土壤中,能够充分利用这里灵活的体制机制,加快产业催化,最终让人工智能和材料科学快速产生效应。.

相关报告
  • 《人工智能辅助材料制作》

    • 来源专题:可再生能源
    • 编译者:pengh
    • 发布时间:2017-11-09
    • 近年来,材料基因组计划(Materials Genome Initiative)和材料项目(the Materials Project)等研究成果为设计用于一系列应用的新材料提供了大量的计算工具,从能源、电子到航空和土木工程。 但是,开发这些材料的过程继续依赖于经验、直觉和手工文献综述的结合。 麻省理工学院(MIT)、马萨诸塞大学阿姆赫斯特分校(University of Massachusetts at Amherst)和加州大学伯克利分校(University of California at Berkeley)的一组研究人员希望通过一种新的人工智能系统来关闭这种材料——科学自动化的缺口,该系统将通过研究论文来推断出生产特定材料的“食谱”。 麻省理工学院材料科学与工程学系的能源研究助理教授Elsa Olivetti说:“计算材料科学家们已经在‘该做什么’上取得了很大的进展,这是基于我们想要的特性来设计的材料。”“但由于成功,瓶颈已经转移到,‘好吧,现在我怎么做呢?’” 研究人员设想了一个数据库,其中包含从数百万份文件中提取的材料食谱。科学家和工程师可以输入目标材料的名称和任何其他标准——前体材料、反应条件、制造过程——并提出建议配方。 一步实现这一愿景,奥利维蒂和她的同事已经开发出一种机器学习系统,可以分析一篇研究论文,推断其段落包含材料的配方,并对其进行分类单词在这些段落根据他们的角色在食谱:目标材料的名字,数字量,设备名称、操作条件、描述性形容词,等等。 在一篇出现在最新一期的《化学材料,他们也证明了机器学习系统可以分析提取的数据来推断总体特征的类的材料,如他们的合成需要的不同温度范围-或特定特征的个人材料,如不同的物理形式时,他们将他们的制造条件有所不同。 Olivetti是这篇论文的资深作者,她和麻省理工学院的研究生爱德华·金一起,Kevin Huang,一位DMSE博士后;亚当·桑德斯(Adam Saunders)和安德鲁·麦卡勒姆(Andrew McCallum),UMass Amherst的计算机科学家;Gerbrand Ceder是加州大学伯克利分校材料科学与工程学系的校长。 填写空白 研究人员使用监督和无监督的机器学习技术训练他们的系统。“监督”是指给系统提供的培训数据首先由人进行注解;系统试图找出原始数据和注释之间的相关性。“无监督”意味着训练数据是无注释的,而系统则根据结构相似性学习将数据聚在一起。 由于材料配方的提取是一个新的研究领域,Olivetti和她的同事们并没有享受到由不同的研究团队多年积累的大型、带注释的数据集。相反,他们不得不自己注释自己的数据——最终,大约有100篇论文。 通过机器学习标准,这是一个相当小的数据集,为了改进它,他们使用了一个在谷歌开发的名为Word2vec的算法。Word2vec研究单词发生的上下文——单词在句子中的句法角色和周围的其他单词——以及组合在一起的单词,这些单词往往有类似的上下文。例如,如果一篇论文中包含了“我们将四氯化钛加热到500摄氏度”的句子,另一篇文章则包含了“氢氧化钠加热到500摄氏度”的句子,Word2vec会将“四氯化钛”和“氢氧化钠”组合在一起。 在Word2vec中,研究人员能够极大地扩展他们的训练集,因为机器学习系统可以推断出一个附加在任何给定单词上的标签很可能应用于与之相关联的其他单词。因此,研究人员可以用大约64万张纸来训练他们的系统,而不是100篇论文。 冰山一角 然而,为了测试系统的准确性,他们不得不依赖被标记的数据,因为他们没有标准来评估其在未标记数据上的性能。在这些测试中,该系统能够识别出包含食谱的段落的99%的准确性,并以86%的准确度将这些段落中的单词准确地标注出来。 研究人员希望进一步的研究能提高系统的准确性,在正在进行的工作中,他们正在探索一种深度学习技术,可以对材料配方的结构进行进一步的归纳,目标是自动设计在现有文献中没有考虑到的材料的食谱。 Olivetti先前的研究主要集中在寻找更具成本效益和环保的方法来生产有用的材料,她希望一个材料的数据库可以abet这个项目。 “这是具有里程碑意义的工作,”加州大学圣芭芭拉分校(University of California at Santa Barbara)材料科学的弗雷德(Fred)和Linda r . Wudl教授的Ram Seshadri说。“作者们通过人工智能方法,利用人工智能方法来捕捉新材料,这是一项艰巨而又雄心勃勃的挑战。”这项工作展示了机器学习的力量,但准确地说,最终的成功或失败的判断需要有说服力的实践者相信,这种方法的效用可以使他们放弃更本能的方法。 这项研究是由美国国家科学基金会、海军研究办公室、能源部和麻省理工学院能源计划的种子支持所支持的。金部分得到了加拿大自然科学和工程研究委员会的支持。 ——文章发布于2017年的11月5日
  • 《跨学科的材料科学是进步的关键》

    • 来源专题:可再生能源
    • 编译者:pengh
    • 发布时间:2017-11-14
    • 前桑迪亚国家实验室执行主任朱莉娅·m·菲利普斯(Julia m . Phillips)告诉研究人员,在上个月举行的麻省理工学院材料研究实验室(MRL)材料日研讨会上,跨学科材料研究是解决人类面临的生存挑战的关键。 菲利普斯在10月11日的活动上说:“作为材料研究人员,我们都很兴奋,也有点让人沮丧的是,材料的真正影响发生在它们变成了你口袋里随身携带的东西的时候。” 她说,在20世纪后半叶,我们今天认为理所当然的许多技术进步,如笔记本电脑和智能手机,都来自于材料研究的基本进步,以及控制和制造材料的能力。菲利普斯从桑迪亚国家实验室(Sandia National Laboratories)退休,担任副总裁兼首席技术官。他还担任MRL外部咨询委员会(MRL)的主席,也是国家科学委员会(National Science Board)的成员。 MRL是由材料加工中心和材料科学与工程中心合并形成的,该中心于10月1日生效。在他的引言中,MRL主管Carl v . Thompson注意到Geoffrey s.d Beach,材料科学与工程副教授,他是国家科学基金会材料研究科学与工程中心MRL的联合主任和首席研究员。 在工业需求和后二战时期政府资助的研究的推动下,“材料研究无疑是跨学科研究的早期模式,”菲利普斯说。与扫描探针显微镜等新工具了解材料的结构和性能,材料科学家在过去的20世纪创造了全新类别的材料和产品,从超级合金,使更大、更可靠的飞机引擎紧张那麽现代磁记录层超晶格,激光和红外探测器。 未来增长将来自合成的能力和控制越来越复杂的材料,菲利普斯说,注意发展等领域的高温超导体、多孔固体像金属有机框架,和超材料,产生新的属性结合生物材料,在分子尺度上附近的有机物,陶瓷,金属精密在自然界中尚未发现的方法。 “在分子和材料之间的模糊空间中,”这些更新的材料具有非常有趣的特性,它们仍在被充分探索的过程中,它们将在未来几年被利用,菲利普斯指出。“对很多人来说,很明显,随着我们的前进,这些也将是革命性的。” 为解决21世纪能源、环境和可持续性的挑战提供了一个模型;卫生保健和医学;对人类和自然威胁的脆弱性;扩大和提高人类的能力和快乐。Phillips说:“这些都是范例,但你可以看到所有的材料都写在这个清单上,我认为你可能提出的任何类似的清单都有材料写在上面。”“为了应对这些巨大的挑战,我们真的需要能够处理现实复杂的系统,从科学、工程、社会和行为科学,甚至是艺术上,把所有这些学科结合起来。” 菲利普斯说,科学理解和计算建模的进展正在加速研究人员在实际制造新材料之前预测新材料的结构和性质的能力。 麻省理工学院教师安东尼Allanore,波琳娜Anikeeva,a . John Hart Pablo Jarillo-Herrero,Juejun胡锦涛,珍妮弗·鲁普研究更新他们的最近的工作跨越一系列从新的电子设备和超薄层材料对大脑和脊髓的细胞水平探测大规模3 d印刷和金属加工的方法。 ——文章发布于2017年11月5日