钡、铌和氧形成的一种新型材料。图片来源：MATERIALS PROJECT

本报讯 英国和美国科学家在两项独立研究中指出，人工智能（AI）驱动的平台可以改善发现和合成新无机化合物的速度与精确性。相关研究11月30日均发表于《自然》。

技术的进展已经提高了计算机程序识别新材料的能力。但这个过程面临的阻碍是算法适应与其所学相反的结果的能力，因为新发现本质上需要的是用创造性的新方式理解数据的能力。

英国伦敦谷歌深度思维公司的Ekin Cubuk和同事提出了一个计算模型，能够通过大规模主动学习提高发现材料的效率。这个程序使用现有文献训练，生成多样的潜在化合物候选结构，然后通过一系列回合不断改进这些结构。这些模型发现了超过220万个稳定结构，将预测稳定结构的精确性提高到80%以上，在预测成分时每100次试验的精确度提高到33%。

美国加州大学伯克利分校的Gerbrand Ceder和同事则开发了一种自动实验室（A-Lab）系统。该系统根据现有科学文献训练，结合主动学习，可针对拟定化合物创造出5个初始合成配方。随后，它可以用机器臂执行实验操作，合成粉末形态的化合物。如果一个配方产量低于50%，A-Lab会调整配方继续实验，在成功达到目标或穷尽所有可能的配方后结束。经过17天的连续实验，A-Lab进行了355次实验，产生了58个拟定化合物中的41个（71%）。研究人员指出，对决策算法做一些小改动，这一成功率可提高到74%；如果计算技术能得到同样改进，还能进一步提高到78%。

这两项研究展示了将提高计算力和基于现有文献的训练相结合，在使用学习算法辅助发现和合成新无机化合物方面的前景。（晋楠）

相关论文信息：

https://doi.org/10.1038/s41586-023-06734-w

https://doi.org/10.1038/s41586-023-06735-9