人工智能助力新材料研发（科技大观）

　　为了缩短研发周期，人工智能可以作为一个强有力的辅助工具，借助数据共享，对先进材料的物理化学性质进行预测、筛选，从而加快新材料的合成和生产。过去，材料的设计都是通过理论计算来构建结构和性质的关系。不过，由于原子有很多不同的结合方式，设计一个新的分子结构就如同一个搭积木游戏，拼搭过程中无法预知分子的性质。作为人工智能的一个分支，机器学习算法在辅助新材料设计时尤为“得力”，其工作过程主要包括“描述符”生成、模型构建和验证、材料预测、实验验证4个步骤。所谓“描述符”，就是根据现有数据来描述材料的某些特殊性质，再通过非线性的形式构建训练模型，从而预测新材料性质，这个过程不再依赖物理知识。

　　人工智能要想和新材料擦出更多的“火花”，仍面临一些挑战。比如，AI算法很难准确预测晶体结构，训练数据的可靠性仍有待理论方法的发展等。为了更好发挥学科交叉融合的乘数效应，除了需要算法不断改进外，理论计算化学的发展、材料性质表征手段的研发也应齐头并进。未来，相信通过各方科学家的努力，新材料的创新成果将会不断涌现。