近日，《NPJ—計(jì)算材料》雜志上刊發(fā)了一項(xiàng)研究論文。

該論文由美國(guó)桑迪亞國(guó)家實(shí)驗(yàn)室一個(gè)實(shí)驗(yàn)小組撰寫，記錄了他們開發(fā)的一種機(jī)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(jìn)行模擬計(jì)算，相當(dāng)于人們可以在播種三分鐘后吃下一個(gè)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(tuán)隊(duì)開發(fā)了一種基于第一性原理計(jì)算數(shù)據(jù)集的原子尺度精確機(jī)器學(xué)習(xí)方法。

使用更普適的、基于機(jī)器學(xué)習(xí)模型的、具有第一性原理計(jì)算精度的高斯近似勢(shì)能(Gaussian Approximation Potentials，簡(jiǎn)稱GAP)分子動(dòng)力學(xué)模擬(GAP-MD)，研究者對(duì)包含10萬個(gè)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(jìn)行了研究，同時(shí)預(yù)測(cè)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(shí)驗(yàn)觀察一致的非晶硅的全部相變過程。

這項(xiàng)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(guó)科學(xué)院物理研究所特聘研究員劉淼更看重后一項(xiàng)研究成果。

他在接受《中國(guó)科學(xué)報(bào)》采訪時(shí)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(jī)器學(xué)習(xí)模型，從而提升計(jì)算的效率與精度，將計(jì)算難度簡(jiǎn)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(jì)算研究對(duì)象的空間尺度放大103~104倍，時(shí)間尺度擴(kuò)展103倍，且精度接近密度泛函理論計(jì)算精度。”

在該項(xiàng)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(shí)驗(yàn)條件下的材料預(yù)測(cè)建模開辟了新途徑。

此外，除了硅這一特定材料，原子尺度機(jī)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(cè)，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(dòng)力學(xué)演化過程。

而前文提到的美國(guó)桑迪亞國(guó)家實(shí)驗(yàn)室的研究則建立在一個(gè)擁有128個(gè)處理核的高性能計(jì)算集群上。

研究人員在該計(jì)算集群上進(jìn)行了一次單獨(dú)的、無輔助的模擬。

機(jī)器學(xué)習(xí)的情況下，同樣的模擬在使用36個(gè)核的情況下花費(fèi)了60毫秒——相當(dāng)于在同等的計(jì)算機(jī)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(shí)間的計(jì)算過程。

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

但此次桑迪亞國(guó)家實(shí)驗(yàn)室公布的結(jié)果首次展示了機(jī)器學(xué)習(xí)在相對(duì)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(shí)是如何聚集在一起的，或者當(dāng)混合物熔化時(shí)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(jī)器學(xué)習(xí)框架達(dá)到了與高保真模型基本相同的精度，但計(jì)算成本很低。”參與該項(xiàng)目的桑迪亞材料科學(xué)家雷米·丁格維爾表示。

中國(guó)科學(xué)院深圳先進(jìn)技術(shù)研究院研究員歐勇盛在解釋這項(xiàng)研究時(shí)談道，這是應(yīng)用計(jì)算機(jī)仿真加快計(jì)算過程的嘗試，而實(shí)現(xiàn)這一目標(biāo)的原因是材料學(xué)本身更注重實(shí)驗(yàn)，換言之，實(shí)驗(yàn)過程的數(shù)據(jù)計(jì)算是人工智能所擅長(zhǎng)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(shí)與材料學(xué)一樣注重實(shí)驗(yàn)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(dòng)能在于算力進(jìn)步，算力進(jìn)步使生產(chǎn)、處理海量數(shù)據(jù)成為可能，進(jìn)而使人工智能滲透進(jìn)了各行各業(yè)。”

劉淼說，“剛好材料科學(xué)進(jìn)入了數(shù)據(jù)積累快速發(fā)展期，高通量實(shí)驗(yàn)和計(jì)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(shí)驗(yàn)，研究人員可以總結(jié)和歸納其中的規(guī)律，計(jì)算機(jī)算法就是計(jì)算機(jī)實(shí)驗(yàn)的過程，之后計(jì)算機(jī)才能夠總結(jié)并歸納其中的規(guī)律，然后完成某項(xiàng)工作。例如，計(jì)算機(jī)寫詩。”歐勇盛介紹道。

2019年2月，美國(guó)國(guó)家科學(xué)院發(fā)布了針對(duì)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(píng)估了過去十年中材料研究領(lǐng)域的進(jìn)展，確定了未來十年材料研究的機(jī)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(jī)器學(xué)習(xí)方法在材料設(shè)計(jì)和材料篩選方面表現(xiàn)出巨大潛力，有望極大推動(dòng)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(jī)器人、可穿戴醫(yī)療設(shè)備、虛擬現(xiàn)實(shí)(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(duì)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(jìn)。”

中國(guó)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(shí)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(gè)雛形，可以推動(dòng)很多領(lǐng)域進(jìn)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(dòng)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(guó)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?yàn)閿?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(guó)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(yàn)指導(dǎo)，即研究人員會(huì)根據(jù)自己的經(jīng)驗(yàn)做判斷，通過實(shí)驗(yàn)合成表征對(duì)材料進(jìn)行試錯(cuò)和驗(yàn)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(dòng)的方式進(jìn)行預(yù)測(cè)，讓實(shí)驗(yàn)更加有的放矢。

其次，人類個(gè)體的認(rèn)知能力有限，即便是積累畢生所學(xué)，依然會(huì)遇到瓶頸，計(jì)算機(jī)則可不斷橫向擴(kuò)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(jìn)步，成為人類材料科研的好幫手。”劉淼說。