机器学习可以轻松地处理硬材料

美国研究人员开发的一种机器学习算法可以加快发现具有理想性能的材料。计算机筛选了超过10万种化合物的数据库，预测出最有前途的超硬材料，该团队通过合成其中两种最佳候选材料证实了这一点。

超硬材料是指任何硬度高于40千兆帕斯卡的材料维氏硬度试验．它们被用于各种工程和生物医学应用，包括钻头、切削工具和人工关节。它们通常昂贵且难以制造，需要极端的温度和压力，或含有沉重的过渡金属。

寻找新材料通常需要漫长的试错研究，但是Jakoah Brgoch的德克萨斯州休斯顿大学实验室的一项研究表明，机器学习可能使一种更有针对性的方法成为可能。

Brgoch解释说:“基于我们的算法，我们选择了两种具有突出硬度的新化合物，从而消除了实验中典型的反复试验和错误。”“机器学习让我们能够超越所有其他化合物——我喜欢把它看作是看穿噪音——把我们的精力集中在我们有信心产生我们想要的机械反应的材料上。”

虽然机器学习已经被应用于预测材料的性能，但将其用于预测硬度仍然是一个挑战。这是因为硬度是一种复杂的特性，不仅取决于材料的化学成分，还取决于它的制造方式以及随后的加工或处理方式。

为了解决这个问题，Brgoch的团队使用了硬度的替代品，通过训练算法来预测与硬度直接相关的内在力学性能，包括体积和剪切模量。使用传统的台式计算机，机器学习算法在30秒内筛选了超过118,000种材料的晶体结构，利用其学习识别具有高体积和剪切模量的化合物的能力，表明潜在的超硬度。

该算法的结果引导研究人员转向了两种材料——碳化钨铼和碳化钨钼——他们随后合成了这两种材料，并发现它们接近超硬阈值。Brgoch说:“通过一些额外的改进，我们也许可以让它们越过边界，让它们明确地变得超级坚硬。”

虽然这些材料和它们的晶体结构以前被报道过，但对它们的性质知之甚少。“事实上，我们目前只能选择已知的材料，这是我们正在研究的问题。在未来，我们希望预测出以前从未报道过的全新化合物，”Brgoch补充道。

Aron沃尔什他在英国帝国理工学院研究材料，他说这项工作提供了“一个及时的例子，通过使用量子力学计算的结果来训练统计模型，从而做出更广泛的预测，计算化学正在发生变化”。

他补充说:“由此产生的超硬金属间化合物不是用传统的筛选程序可以轻易发现的。”