近日，《NPJ—計算材料》雜志上刊發(fā)了一項研究論文。

該論文由美國桑迪亞國家實驗室一個實驗小組撰寫，記錄了他們開發(fā)的一種機器學(xué)習(xí)算法。

這種算法能夠以比正常速度快近4萬倍的速度為材料科學(xué)家進行模擬計算，相當(dāng)于人們可以在播種三分鐘后吃下一個新鮮的西紅柿，或者在半秒鐘內(nèi)從紐約飛到洛杉磯。

近幾年，人工智能助力材料學(xué)發(fā)展的研究比比皆是。

1月8日，牛津大學(xué)教授Volker L. Deringer團隊開發(fā)了一種基于第一性原理計算數(shù)據(jù)集的原子尺度精確機器學(xué)習(xí)方法。

使用更普適的、基于機器學(xué)習(xí)模型的、具有第一性原理計算精度的高斯近似勢能(Gaussian Approximation Potentials，簡稱GAP)分子動力學(xué)模擬(GAP-MD)，研究者對包含10萬個硅原子(十納米尺度)系統(tǒng)的液體—非晶態(tài)和非晶態(tài)—非晶態(tài)轉(zhuǎn)變過程進行了研究，同時預(yù)測了其結(jié)構(gòu)、穩(wěn)定性和電子性質(zhì)。

該方法成功地描述和解釋了與實驗觀察一致的非晶硅的全部相變過程。

這項里程碑式的成果以封面文章的形式刊登在《自然》。

[[379061]]

為什么是材料科學(xué)

中國科學(xué)院物理研究所特聘研究員劉淼更看重后一項研究成果。

他在接受《中國科學(xué)報》采訪時介紹道，GAP方法自10年前誕生后，不斷提升。

“GAP是用量子力學(xué)的方式產(chǎn)生大量的數(shù)據(jù)，再用這些數(shù)據(jù)構(gòu)建機器學(xué)習(xí)模型，從而提升計算的效率與精度，將計算難度簡化，甚至完成之前無法完成的事情。”

劉淼解釋說，“GAP從大量密度泛函理論數(shù)據(jù)出發(fā)，提取原子間相互作用的信息，將材料計算研究對象的空間尺度放大103~104倍，時間尺度擴展103倍，且精度接近密度泛函理論計算精度。”

在該項研究中，研究人員通過仿真揭示了更廣泛范圍內(nèi)硅的液態(tài)和非晶態(tài)轉(zhuǎn)變過程，為極富挑戰(zhàn)性實驗條件下的材料預(yù)測建模開辟了新途徑。

此外，除了硅這一特定材料，原子尺度機器學(xué)習(xí)方法還具備引領(lǐng)新的科學(xué)發(fā)現(xiàn)的能力。

由于該方法能夠獲得有關(guān)原子穩(wěn)定結(jié)構(gòu)、原子間相互作用等物性的精確預(yù)測，精度接近量子力學(xué)方法模擬，可被用于揭示迄今未知的諸多現(xiàn)象，探索介觀系統(tǒng)、液態(tài)系統(tǒng)、非晶多晶、生物等復(fù)雜體系的動力學(xué)演化過程。

而前文提到的美國桑迪亞國家實驗室的研究則建立在一個擁有128個處理核的高性能計算集群上。

研究人員在該計算集群上進行了一次單獨的、無輔助的模擬。

機器學(xué)習(xí)的情況下，同樣的模擬在使用36個核的情況下花費了60毫秒——相當(dāng)于在同等的計算機上快了42000倍。

這意味著研究人員現(xiàn)在可以在15分鐘內(nèi)完成通常需要一年時間的計算過程。

而且，一直以來，機器學(xué)習(xí)被用于快速模擬，計算原子和分子之間的相互作用如何隨時間變化。

但此次桑迪亞國家實驗室公布的結(jié)果首次展示了機器學(xué)習(xí)在相對較大的微觀尺度上加速材料模擬。

通過這種模擬，科學(xué)家可以快速模擬熔化金屬的微小液滴在冷卻和凝固時是如何聚集在一起的，或者當(dāng)混合物熔化時是如何分解成的。

不僅如此，新算法得出的答案正確率也十分高，與標(biāo)準(zhǔn)模擬的結(jié)果相差5%。

“我們的機器學(xué)習(xí)框架達到了與高保真模型基本相同的精度，但計算成本很低。”參與該項目的桑迪亞材料科學(xué)家雷米·丁格維爾表示。

中國科學(xué)院深圳先進技術(shù)研究院研究員歐勇盛在解釋這項研究時談道，這是應(yīng)用計算機仿真加快計算過程的嘗試，而實現(xiàn)這一目標(biāo)的原因是材料學(xué)本身更注重實驗，換言之，實驗過程的數(shù)據(jù)計算是人工智能所擅長的領(lǐng)域。

“因此，材料學(xué)與人工智能之間擦出了火花。”

兩者相互影響

其實與材料學(xué)一樣注重實驗的學(xué)科很多，因此人工智能與其他學(xué)科結(jié)合的交叉學(xué)科也很多。

“近期人工智能飛速發(fā)展的動能在于算力進步，算力進步使生產(chǎn)、處理海量數(shù)據(jù)成為可能，進而使人工智能滲透進了各行各業(yè)。”

劉淼說，“剛好材料科學(xué)進入了數(shù)據(jù)積累快速發(fā)展期，高通量實驗和計算等一些新技術(shù)正在為材料科學(xué)領(lǐng)域生產(chǎn)大量數(shù)據(jù)，人工智能使大數(shù)據(jù)分析處理成為可能。”

“通過實驗，研究人員可以總結(jié)和歸納其中的規(guī)律，計算機算法就是計算機實驗的過程，之后計算機才能夠總結(jié)并歸納其中的規(guī)律，然后完成某項工作。例如，計算機寫詩。”歐勇盛介紹道。

2019年2月，美國國家科學(xué)院發(fā)布了針對材料研究的第三次十年調(diào)查——《材料研究前沿：十年調(diào)查》，評估了過去十年中材料研究領(lǐng)域的進展，確定了未來十年材料研究的機遇、挑戰(zhàn)和新方向。

其中，在納米材料、高熵合金等前沿材料研究領(lǐng)域，人工智能被寄予厚望。

機器學(xué)習(xí)方法在材料設(shè)計和材料篩選方面表現(xiàn)出巨大潛力，有望極大推動新型材料的發(fā)現(xiàn)和傳統(tǒng)材料的更新。

反過來，人工智能的發(fā)展也離不開材料科學(xué)的助力，智能機器人、可穿戴醫(yī)療設(shè)備、虛擬現(xiàn)實(VR)成像、物聯(lián)網(wǎng)城市系統(tǒng)……未來的智能傳感器需要極高的靈敏度、柔韌度、透明度和穩(wěn)定性，這對材料提出了新的要求。

“人工智能與材料科學(xué)，兩者應(yīng)加深交流，相互促進。”

中國科學(xué)院院士趙忠賢在2019年粵港澳大灣區(qū)科技創(chuàng)新論壇上提出，未來，解決人工智能使用的敏感元器件問題要靠材料科學(xué)，同時也有必要根據(jù)材料科學(xué)的需求去發(fā)展人工智能技術(shù)和理論。

先有數(shù)據(jù)再有算法

“人工智能是個雛形，可以推動很多領(lǐng)域進步，還需要專業(yè)人士去改造。”歐勇盛說，“現(xiàn)在，交叉學(xué)科是創(chuàng)新的原動力，人工智能作為一種工具，更需要與其他學(xué)科合作才能發(fā)揮其最大的作用。”

作為人工智能深度學(xué)習(xí)的基礎(chǔ)，數(shù)據(jù)的質(zhì)量和數(shù)量是這一學(xué)科的關(guān)鍵。

目前，不少國家擁有自己的材料學(xué)數(shù)據(jù)庫。

“有了數(shù)據(jù)庫，人工智能方法如深度學(xué)習(xí)等才能提取數(shù)據(jù)之間的關(guān)聯(lián)和規(guī)律。”劉淼表示，“有些學(xué)科與人工智能交叉得少，就是因為數(shù)據(jù)量不夠大。”

2018年，由劉淼等人聯(lián)手正式開始創(chuàng)建我國材料科學(xué)數(shù)據(jù)庫Atomly，該數(shù)據(jù)庫已經(jīng)在2020年8月上線。

“材料學(xué)數(shù)據(jù)庫上線后，主要影響有兩方面。”劉淼解釋說。

首先，目前大多數(shù)研究都是基于經(jīng)驗指導(dǎo)，即研究人員會根據(jù)自己的經(jīng)驗做判斷，通過實驗合成表征對材料進行試錯和驗證，而當(dāng)大數(shù)據(jù)和人工智能介入后，通過數(shù)據(jù)驅(qū)動的方式進行預(yù)測，讓實驗更加有的放矢。

其次，人類個體的認(rèn)知能力有限，即便是積累畢生所學(xué)，依然會遇到瓶頸，計算機則可不斷橫向擴展，無上限可言。

“2016年AlphaGo打敗了人類棋手，未來人工智能和材料科學(xué)數(shù)據(jù)庫也有望不斷進步，成為人類材料科研的好幫手。”劉淼說。