本文由人工智能观察编译
译者：Sandy
科学家们联合起来，利用人工智能在极短的时间之内发现了新的钢材替代品，再创纪录。在这一试验中，他们共发现了三种用于合成金属玻璃的混合物，比以往要快200倍。
金属玻璃实质上是一种未来的合金。通常情况下，将少量的金属混合在一起就意味着可以将每种金属的理想特性“添加”在一起，以便形成一种“超级金属”。表面看起来合金与金属无异，其原子结构会呈刚性几何图形。
虽然金属玻璃不具备刚性的几何图形，但却具有类似于玻璃那样的无序原子结构。因此，金属玻璃比现在的钢材更坚固轻便，也更耐腐蚀和磨损，被认为是钢材的理想替代品。
说到这一点，金属玻璃相对较新，但也并不是所有的金属玻璃成分组合都通过了测试。过去的50年里，人们在数百万种可能的成分组合中，已经评估过几千种，但只有少数几种可能是有用的。获取一种预测或建模最佳组合的方法便是在金属玻璃世界中寻找。
因此，美国能源部SLAC国家加速器实验室、国家标准与技术研究院（NIST）和西北大学的科学家领导的一个科学小组进行了试验，并报告表示他们找到了发现和改进金属玻璃的捷径，通过人工智能技术，可以用较少时间和成本发现新型材料。
该团队使用了SLAC的斯坦福同步加速器辐射光源（SSRL），通过机器学习系统发现了三种新的原料混合物来形成金属玻璃。Science子刊《Science Advances》对这些发现进行了报告。
西北大学教授克里斯·沃尔夫顿（Chris Wolverton）教授是使用计算机和人工智能预测新材料的先驱，也是论文合作者之一。他说，通常需要十年或二十年的时间，新材料才能完成从发现到商用的过程，“这一成果极大缩短了新材料发现所花费的时间。”
这项工作不仅可以用于金属玻璃，还可以用于其他材料，也就是说这对工业来说是一项非常有价值的技术。在沃尔夫顿教授看来，其最终目标是让科学家能够获得机器学习模型中的直接反馈结果，并在第二天甚至下一个小时内，就准备好另一套待测试的样本。
在过去的半个世纪里，科学家一共研究了大约6000种金属玻璃的组成成分，而这套新系统能够制作并筛选20000种成分。虽然有其他团队也在使用机器学习预测寻找不同种类的金属玻璃，但此次科学家通过实验的快速验证和预测，然后将结果循环到下一轮机器学习和实验中，是此次进步的独特之处。
实际上，这种方法可以用于各种实验，特别是在寻找材料，如在金属玻璃和催化剂方面有很大的优势。NIST材料研究工程师曾表示，人工智能将改变材料科学的前景。