研究人员利用AI发现新材料 有助于研发更高效燃料电池

据外媒报道，康奈尔大学领导的一个研究小组发现了一种材料，该材料有潜力利用开发的人工智能系统制造更高效的燃料电池。该系统依赖于许多算法机器人程序，每个程序执行不同的任务，过滤数百或数千种元素组合，创建一个相图，这是原子之间的排列，人类可以从中确定可以使用哪些新材料。康奈尔大学计算科学教授兼首席研究员Carla Gomes教授表示，“这个问题迫使我们开发新的方法，真正推动人工智能的前沿发展，并提供有物理意义的解决方案。”当时，研究人员正在寻找一种改进汽车燃料电池的催化剂。这种催化剂可以使汽车用甲醇取代难以储存的氢气，甲醇的效率可能会高得多。加州理工学院研究员John Gregorire博士说， “然而，我们所知道的材料都不能作为甲醇氧化的有效催化剂，因此需要一种新的材料。要找到一种可行的催化剂，元素周期表上的所有元素都需要结合在一起，这太大了，无法进行传统的实验。研究人员还需要了解材料的晶体或相结构，因为固体可能具有多相结构作为催化剂，每种催化剂的表现都不同。人类可以求解由两个元素组成的简单合成系统的相图， Gregorire说，“然而，当有两种以上的元素时，人类需要处理太多的信息，因此需要人工智能的帮助。然而，现有的机器学习方法不适合严格的科学研究。因为解决方案不仅必须可信，而且必须符合物理和化学定律。为了应对这一挑战，Gomes和他的同事开发了loped开发了一个称为“晶体”的系统，用于晶体相位映射。该系统包括多个机器人程序，负责问题的不同部分，预测各种组合的相结构，并确保这些预测符合热力学规则。机器学习系统通常学习使用大量带注释的训练数据来解决问题。例如，通过标记为“狗”或“猫”的图像集训练算法来区分狗和猫。然而，在这项研究中，没有现成的标记数据。因此，CRYSTAL需要能够从未标记的数据中得出推论。这个过程被称为无监督学习。对于单个系统来说，这将是压倒性的，不可能实现。然而，如果我们将多智能体系统灵活地集成在一起，我们可以快速找到解决方案并满足所有条件。“Gomes说，CRYSTAL的灵感来自IBM Watson超级计算机。通过CRYSTAL系统，研究人员发现了一种独特的催化剂，它由三种元素组成，结晶成一定的结构，对甲醇氧化有效，可用于甲醇基燃料电池。Gregoire说：这一重要发现挑战了我们对催化，也是设计下一代催化剂的重要研究方向

标签：发现

汽车资讯热门资讯