[[429545]]

通過簡化材料開發，該系統降低了成本，并通過減少化學廢物的數量來減輕對環境的影響。機器學習算法還可以通過提出人類直覺可能錯過的獨特化學配方來刺激創新。

該論文的共同主要作者，計算機科學和人工智能實驗室（CSAIL）計算設計和制造組（CDFG）的機械工程師和項目經理 Mike Foshey 說：“材料開發在很大程度上仍然是一個手工過程。一個化學家進入實驗室，用手混合成分，制作樣品，測試它們，并得出最終的配方。但是，與其讓化學家在幾天內只能做幾次迭代，我們的系統可以在相同的時間跨度內做數百次迭代”。

在研究人員開發的系統中，一個優化算法完成了大部分的試錯發現過程。材料開發者選擇一些成分，將其化學成分的細節輸入算法，并定義新材料應具有的機械性能。然后，該算法增加和減少這些成分的數量（就像在放大器上轉動旋鈕），并檢查每種配方如何影響材料的特性，然后得出理想的組合。

然后，開發人員混合、加工和測試該樣品，以了解材料的實際性能。開發者將結果報告給算法，算法會自動從實驗中學習，并使用新的信息來決定另一個要測試的配方。

研究人員已經創建了一個免費的開源材料優化平臺，名為AutoOED，其中包含相同的優化算法。AutoOED是一個完整的軟件包，也允許研究人員進行自己的優化。

研究人員通過使用該系統優化一種新的3D打印墨水的配方來測試該系統，這種墨水在紫外線下會變硬。他們確定了配方中使用的六種化學品，并將算法的目標設定為發現在韌性、壓縮模量（硬度）和強度方面表現最佳的材料。