チームは、AI と実験室での実験を組み合わせることで、これらの新しい金属を見つけることができました。 まず、大きな課題を克服する必要がありました。それは、機械学習モデルのトレーニングに使用できる既存のデータが不足していることです。 彼らは、既存の金属合金の特性を説明する数百のデータ ポイントを使用してモデルをトレーニングしました。 AI システムは、そのデータを使用して、インバーが少ない新しい金属を予測しました。
次に、研究者は実験室でそれらの金属を作成し、結果を測定して、それらの結果を機械学習モデルにフィードバックしました。 モデルが金属の組み合わせを提案し、研究者がそれらをテストしてデータをフィードバックするというプロセスは、17の有望な新しい金属が出現するまで続きました。
この発見は、いまだ実験室での実験に大きく依存している分野である材料科学における機械学習の利用を拡大する道を開くのに役立つ可能性があります。 また、機械学習を使用して予測を行い、それを研究室で確認する技術は、化学や物理学などの他の分野での発見に応用できる可能性があると、材料科学の専門家は述べています。
これが重要な開発である理由を理解するには、新しい化合物が通常作成される従来の方法を検討する価値があると、パデュー大学の材料工学の助教授であるマイケル・タイタスは述べています。彼はこの研究には関与していません。 ラボでのいじくり回しのプロセスは骨の折れる作業であり、非効率的です。
「干し草の山から針を見つけて、特別な特性を示す材料を見つけるようなものです」とタイタスは言います。 彼はよく、新しい大学院生に、発見されるのを待っている可能性のある新しい材料が簡単に 100 万個あると話します。 機械学習は、研究者が追求する道を決定するのに役立つ可能性があります。