材料革命——当新材料遇见大数据

徐翰

未来,发现可以用于制作超高效太阳能电池面板和实现电池突破性材料的也许不会是一位聪明的人类科学家。正如世上其他的一切,计算机和软件正在变得能逐步识别最好的材料组合,得到最理想的结果,之后人类的研究者才在实验室里测试这些计算机所选的组合。

对科罗拉多大学教授Alex Zunger来说,这一思想是材料研究的根本性变化。Zunger是反向设计中心的首席理论家,在上周的SunShot峰会上他谈到如何进行“反向设计”,识别用于材料设计的特别属性,然后决定材料所要求的原子结构,以此改变像太阳能这样的行业。

6.5图一

Zunger说,“数十年来,新应用所需的材料都是被选出来再测试的,而非基于简单的思想或仅仅是实验室可用资源的随意测试”。但现如今,归功于复杂算法,科学家们可以用计算机智能作选择。Zunger尤其对使用反向设计、计算机智能来计算出太阳能量子点所需最佳材料感兴趣。量子点是一小片半导体晶体,小于10个纳米,如此小的体积使得它们拥有与大块半导体晶体不一样的性质和特点。但Zunger说到,至今还没有太阳能量子点的成功组合。

Zunger并不是唯一一个做这样事情的人,实际上对一些最为顶尖的材料初创企业,这是某种热门趋势。例如一家源自麻省理工学院(MIT)的名为Pellion Technologies的科技创新企业开发了先进的算法和计算机模型,可以测试10000种可以匹配电池镁负极的潜在正极材料。现在初创企业正在开发镁电池,它具有非常高的能量密度,如果奏效可对电动汽车和电网储能有重要作用。Pellion Technologies的创始人之一,MIT的Gerbrand Ceder教授在MIT协助开发了“材料基因组计划”,这是一个使用计算机建模和虚拟仿真技术来进行材料创新的项目。《经济学人》杂志曾把Ceder教授的工作描述为发现电极及其与无机化合物相互作用的捷径。一些其他的聪明人也在尝试这一想法。哥伦比亚大学数据科学与工程研究所率先做出在这一领域的重要工作,Venkat Venkatasubramanian教授和Sanat Kumar最近发表了他们关于以反向设计框架和遗传算法来设计纳米结构材料的研究。两位教授的研究成果包括设计一种自组织结构,同时展示了利用机器学习和大数据方法的潜力。具体来讲它们开发了一种基因算法并成功设计了可以自组织成所需晶体结构的DNA枝节颗粒,解决了预先设计更优结构而非仅仅复制已知结构的问题,并留下了算法工程及机器学习领域的下一步可能性,译者注)。

6.5图二

虽然这一趋势似乎是电脑取代人类的另一种方式,但是其实它是计算机利用人类所不能利用的庞大数据集来促进社会进步和人类更好生活的例子。这与无人汽车会提高驾驶有效性、安全程度和效率一样。我们的机会是未来来自人工智能和人类智慧的结合的材料领域突破。

原文作者:Katie Fehrenbacher,GIGAOM.

原文题目:从太阳能面板到电池,算法渐成新材料设计的关键

原文链接: