使用人工智能来设计材料的属性

对一块半导体或其他晶体材料施加一点应变会使其结构中原子的有序排列变形，足以引起其性质的显着变化，例如导电，透光或传导热量的方式。

现在，麻省理工学院，俄罗斯和新加坡的一个研究小组已经找到了使用人工智能来帮助预测和控制这些变化的方法，这可能为未来的高科技设备开辟先进材料研究的新途径。

该研究结果发表在本周的“ 美国国家科学院院刊”上，由麻省理工学院核科学与工程教授，材料科学与工程学教授朱莉，麻省理工学院首席研究科学家明道和麻省理工学院研究生哲士撰写。与Evgenii Tsymbalov和Alexander Shapeev在俄罗斯Skolkovo科学技术研究所和Subra Suresh，Vannevar Bush荣誉退休教授，麻省理工学院前工程系主任和新加坡南洋理工大学现任主席。

基于麻省理工学院早期的工作，已经在一些硅处理器芯片中加入了一定程度的弹性应变。通过允许电子更快地穿过材料，即使在1%的结构变化，也可以在某些情况下将器件的速度提高50%。

Suresh，Dao和现任香港城市大学麻省理工学院博士后的杨璐最近的研究表明，即使是自然界中发现的最坚硬和最坚硬的钻石，弹性拉伸也可高达9%而不会失效。它是纳米尺寸针的形式。Li和Yang同样证明，纳米级硅线可以纯弹性拉伸超过15%。这些发现开辟了新的途径来探索如何通过材料特性的更显着变化来制造器件。

与其他改变材料特性的方法不同，例如化学掺杂会产生永久性的静态变化，应变工程允许在运行中更改属性。“应变是你可以动态打开和关闭的东西，”李说。

但是，应变工程材料的潜力受到了令人生畏的各种可能性的阻碍。应变可以以六种不同的方式应用(在三个不同的维度中，每个维度可以产生进出内侧或侧向的应变)，并且具有几乎无限的度数级别，因此探索的全部可能性是不切实际的。只是通过反复试验。“如果我们想要绘制整个弹性应变空间，它会快速增长到1亿次计算，”Li说。

这就是这个团队的机器学习方法的新颖应用拯救的地方，提供了一种系统的方式来探索可能性和寻找适当的应变量和方向，以实现特定目的的给定属性集。李说，“现在我们有了这种非常高精度的方法”，大大降低了所需计算的复杂性。

“这项工作说明了材料物理学，人工智能，计算和机器学习这些看似遥远的领域近期的进展如何能够推动对工业应用产生重大影响的科学知识，”Suresh说。

研究人员表示，这种新方法可以为创建适用于电子，光电和光子器件的材料提供可能性，这些器件可用于通信，信息处理和能源应用。