如果有適當(dāng)?shù)闹R，所有不被自然法則禁止的事物，都是可以實現(xiàn)的。
－戴維·多伊奇
諸如振金(Vibranium)，難得素（unobtainium）和氪石（kryptonite）之類在科幻小說中描述的神奇材料，不僅俘獲了公眾的眼球，也激發(fā)了整個世界的想象力。
人類歷史的一個基本事實是：材料能推動技術(shù)革命。
如果沒有硬鋁，就不會有商用飛機(jī)；如果沒有鋼鐵，就不會有摩天大樓；如果沒有塑料，就不會有廉價的內(nèi)部水暖管道，不一而足。
但是，新材料的開發(fā)卻異常緩慢。今天能夠使用的材料數(shù)量，可能僅是各種材料元素?zé)o窮多組合中屈指可數(shù)的幾種。時至今日，我們在新型高強(qiáng)輕質(zhì)合金和室溫超導(dǎo)體的研究方面，依然在蹣跚前行。
據(jù)說，托馬斯·阿爾文·愛迪生為他新發(fā)現(xiàn)的電燈泡燈絲，測試了超過2000種材料作。他甚至對自己的頭發(fā)進(jìn)行了測試，直到在偶然之中，找到了后來被鎢取代的碳。一個多世紀(jì)以來，材料科學(xué)家們依然在沿用這種“愛迪生式”的研究方法：新材料的研究，總是圍繞著可預(yù)測的成分展開，而新成果卻寥寥無幾，令人唏噓。
如今，蓬勃發(fā)展的人工智能（(AI），或有望在材料科學(xué)領(lǐng)域完成一項重大革新。
首先，AI是什么？
根據(jù)ISO/IEC JMotor 1/SC 42的定義，人工智能（AI）是通過嵌入動態(tài)數(shù)據(jù)驅(qū)動環(huán)境的算法，是對人類智能活動過程的模擬。
AI的好處是能夠迅速完成非常精密的工作任務(wù)，節(jié)約大量時間與成本。AI采用機(jī)器學(xué)習(xí)來分析實時數(shù)據(jù)，數(shù)據(jù)處理的速度和量級遠(yuǎn)超人類。
AI的類型基本可分為兩類，一類是指狹義人工智能，可完成具體工作，比如我們現(xiàn)在使用的電腦。另一類被稱為廣義人工智能，旨在形成認(rèn)知能力，但專家們認(rèn)為，這種類型的AI，似乎在我們有生之年難以實現(xiàn)。
那么，對于材料科學(xué)來說，我們需要怎樣的AI？
有學(xué)者認(rèn)為，材料科學(xué)的AI，應(yīng)能夠發(fā)現(xiàn)已有材料文獻(xiàn)中被疏忽的線索。雖然我們已經(jīng)可以使用自然語言處理（NLP）從文本中提取材料數(shù)據(jù)，但我們還需要建立起更強(qiáng)大的神經(jīng)網(wǎng)絡(luò)系統(tǒng)，抽取每年發(fā)布的數(shù)以百萬計的圖像，如疇、晶粒、圖表、光譜，分析和理解這些圖像，并預(yù)測下一種新材料。
也有學(xué)者認(rèn)為，材料科學(xué)AI應(yīng)可從世界各地正在新建的數(shù)據(jù)庫中獲取幫助。目前，我們已可通過“高通量”實驗，對多維“相空間”進(jìn)行梳理，收集隱藏在“顯相”背后的“隱相”和“真相”。
還有學(xué)者認(rèn)為，材料科學(xué)的AI并不是指某些具體的數(shù)據(jù)，而是一種正確的技術(shù)、算法或模型。下一代材料學(xué)家的培養(yǎng)，應(yīng)注重大數(shù)據(jù)思維方式。
一切皆有可能。
遠(yuǎn)古時代的現(xiàn)代匕首
1922年，英國考古學(xué)家霍華德·卡特（Howard Carter）打開了埃及法老圖坦卡蒙的墳?zāi)梗@是現(xiàn)代最著名的考古發(fā)掘之一。卡特對5398件墓中物品進(jìn)行了分類，其中包括著名的黃金面具、黃金棺槨、以及用黃金打造的王座、酒具和便鞋等寶藏。但是，在所有這些令人炫目的寶藏中，他還發(fā)現(xiàn)了一件用亞麻布包裹的鐵制匕首，它被裹在法老木乃伊的大腿上。令人驚奇的是，這把已有三千多年歷史的鐵匕首，居然沒有生銹的跡象，隨后的化學(xué)分析證實，它的性能更像現(xiàn)代的低碳鋼。
那么，為什么古埃及人對鐵匕首如此尊崇呢？
古埃及的鐵，對今人來說，完全是個謎。現(xiàn)代的考古表明，古埃及時代的鐵礦很少，古埃及人生產(chǎn)鐵和保存鐵的技術(shù)也不為今人所知。三千多年后，鋼鐵已無處不在。它堅固、廉價、且廣為人知。我們知道，加入少量的碳可以使鐵更堅固。我們還知道，就是因為小小的碳原子鎖住了鐵內(nèi)部的位錯，使其在應(yīng)力下不會輕易移動。我們也知道，鉻的添加，可以在鐵的表面形成一層薄薄的表面保護(hù)層，來防止鐵生銹。今天，我們已經(jīng)可以精準(zhǔn)控制這些已知的因素。
毋庸置疑，鋼鐵是現(xiàn)代科學(xué)給人類帶來的禮物，并以汽車，餐具，橋梁和摩天大樓的形式饋贈給人類。
（圖坦卡蒙的帶有水晶手柄的鐵匕首）
鋼鐵是發(fā)展得最好的工程材料之一，大多數(shù)材料工程師在金屬學(xué)課程中學(xué)習(xí)的第一張相圖，就是鐵碳平衡相圖，如此優(yōu)美的相圖曲線，給人一種自信和自豪的感覺。然而，能達(dá)到現(xiàn)今鋼鐵工業(yè)這個水平，絕對也是一個傳奇。
無法想象，當(dāng)初古人為何會把一塊黑色的木炭，投入帶灼熱的鐵水中，并期待獲得神奇的金屬？他們當(dāng)初所做的一切，遠(yuǎn)在我們了解其背后的科學(xué)知識之前。這里有太多的偶然性，就像往鐵中加入一點點碳，一點點鉻，一點點鎳，一點點錳，來“化腐朽為神奇”一樣。無怪乎有人戲言，煉鋼更像是一種“烹飪”行為，與其說是科學(xué)，不如說更像藝術(shù)。
事實上，不僅僅是鋼鐵；所有新材料的發(fā)現(xiàn)都是一個痛苦而緩慢的過程。
元素的奧吉亞斯馬廄（The Augean Stables）
假設(shè)我們系統(tǒng)地研究每一個元素和其他元素可能的組合，不管是二元的，或三元的，等等，我們終將會有所發(fā)現(xiàn)，其中可能就包括新型陶瓷、室溫超導(dǎo)體、強(qiáng)輕質(zhì)合金、未被發(fā)現(xiàn)的形狀記憶金屬、新型拓?fù)浣^緣體，當(dāng)然還有一些無中生有的東西。但是，如果從120種元素著手，我們將工作量將是一個天文數(shù)字，將達(dá)到令人難以置信的10100種材料！
即使我們只限定10種元素，以減少“相”空間（Phase space），我們?nèi)匀恍枰圃旌蜏y試大約400萬種材料，而每種材料都要在一定的溫度和壓力范圍內(nèi)進(jìn)行測試。
因此，新材料的稀缺也就不足為奇了。也許正因為如此，在人類的歷史中，盡管材料的價值一直在變動，但我們?nèi)园V心不改。人類因此也走過了石器時代、青銅器時代、鐵器時代，現(xiàn)在已經(jīng)邁進(jìn)了紙、塑料、硅時代。材料給了我們所珍視的一切。鐵使農(nóng)業(yè)成為可能，紙開啟了文藝復(fù)興，帶領(lǐng)歐洲走出黑暗時代，塑料使食品運(yùn)輸變得容易，輕質(zhì)硬鋁合金使飛機(jī)上天成為可能。
在熱門的科幻電影中，我們會談?wù)撓蓪m戰(zhàn)士（Asgardian）用阿斯加德金屬烏魯（Uru）制成的雷神（Thor）錘子，以及可用來削弱超人能力的水晶氪星石（crystal kryptonite）。在詹姆斯·卡梅隆（James Cameron）的電影阿凡達(dá)（Avatar）中，來自地球的工作人員洗劫了潘多拉（Pandora）星球，目的是尋找難得素（unobtainium），一種室溫超導(dǎo)體。在電影《黑豹》中，瓦坎丹部落使用的是振金（vibranium），一種強(qiáng)大，靈活，反射動能的材料。
材料充滿了神奇，而“工具”更是傳奇。
幸運(yùn)的是，今天的材料科學(xué)正在經(jīng)歷一場無聲的革命。材料科學(xué)中人工智能的曙光已經(jīng)開始顯現(xiàn)。
材料科學(xué)的AI時代正在悄悄來臨。
在給計算機(jī)配備了數(shù)據(jù)驅(qū)動計算、圖形處理單元（GPU）驅(qū)動計算和強(qiáng)大的算法后，我們開始教計算機(jī)如何尋找和發(fā)現(xiàn)新材料，而無需實際制造它們。例如，給定一系列元素，提供相應(yīng)的原子大小，原子量，電離能，鍵合強(qiáng)度等數(shù)據(jù)，機(jī)器就可以進(jìn)行“思考”實驗。
在AI算法中，我們把一定量的每種元素添加到鐵中，計算電子結(jié)構(gòu)的變化、在應(yīng)力下的行為以及與氧的反應(yīng)性，并給每種元素評分。在下一個迭代中，它會改變每個元素的數(shù)量，例如從0%到10%不等的百分含量，并記錄下材料屬性的變化。在另一個迭代中，每一個組合物都需要在3個大氣壓下，從0?K加熱到3500?K，并計算材料的性能。
當(dāng)然，這里有一個龐大的工作量，但只要是計算機(jī)做的，誰會在乎呢?
在此計算結(jié)束之際，我們甚至可以料想到計算的結(jié)果，和鉻和鎳一樣，碳元素會是評級最高之一。然而，真正令人興奮的，是我們還沒有嘗試過的其他發(fā)現(xiàn)。向鐵中添加某種物質(zhì)會使鋼變綠？變緣熱？變?nèi)嵝裕科查_鋼不談，這種方法能預(yù)測室溫超導(dǎo)體？新型壓電材料？可生物降解的超強(qiáng)非烴聚合物？其想象空間之大，遠(yuǎn)遠(yuǎn)超過了人類的認(rèn)知。
這將是材料科學(xué)領(lǐng)域人工智能革命的未來和希望，會有成千上萬種神奇的材料，每一種材料都意味著一場革命。這絕不全是夸張，正如我們所看到的那樣，材料往往意味著基礎(chǔ)或技術(shù)革命。解決材料問題的最新方法，就是開發(fā)強(qiáng)大的人工智能，來為我們完成這項任務(wù)：設(shè)計新材料、改進(jìn)現(xiàn)有材料，改進(jìn)工藝和性能。
與其他人工智能的嘗試（如自然語言處理或圖像識別）不同，我們已擁有數(shù)百年的實驗直覺，以及被稱為科學(xué)的知識體系來幫助我們。那么，如今的材料科學(xué)家將如何面對這一挑戰(zhàn)？人工智能要解決的首要問題又是什么？
其實，在材料科學(xué)中，一直存在著某種形式的機(jī)器學(xué)習(xí)。例如FactSage之類的熱化學(xué)軟件包，它可以準(zhǔn)確地預(yù)測所選化學(xué)成分的相圖。科學(xué)家們已可利用現(xiàn)有訓(xùn)練數(shù)據(jù)來擬合的模型，預(yù)測諸如折射率，介電常數(shù)，屈服強(qiáng)度等材料特性。例如折射率，只需知道材料的化學(xué)成分即可進(jìn)行預(yù)測，而且預(yù)測結(jié)果的精度可超過90%。
但是，以往的這些成果都是局部的，迄今為止，尚未“描繪”出我們一直苦苦追尋的全局性圖譜。
材料科學(xué)家也試圖通過計算建模來預(yù)測材料性能。根據(jù)輸入到程序中的大量數(shù)據(jù)，該模型能夠準(zhǔn)確地預(yù)測在選定的長度和時間尺度上的材料性能。這些技術(shù)包括模擬原子和分子的分子動力學(xué)，以及模擬大象越過橋梁時橋梁運(yùn)動的有限元軟件。
以上這些模型都是基于復(fù)雜的物理驅(qū)動算法運(yùn)行的，這些算法通常以數(shù)值方式求解一些微分方程而告終。機(jī)器學(xué)習(xí)和AI驅(qū)動的材料開發(fā)則建立在這些建模嘗試的基礎(chǔ)上，或者通過訓(xùn)練機(jī)器，從現(xiàn)有數(shù)據(jù)中學(xué)習(xí)材料的行為來超越它們。機(jī)器可能知道一些物理原理，但是沒有建立起“如果是，那就是”這種邏輯關(guān)系。而AI則通過觀察“在相似情況下的一系列相似項目的行為”來學(xué)習(xí)事物。但是，材料AI的真正力量，是機(jī)器利用其自身的物理和化學(xué)知識，觀察不同環(huán)境下的某物的不同行為，來學(xué)習(xí)某物。
材料的基因？
在早期的工作中，杜克大學(xué)的一個團(tuán)隊為晶體創(chuàng)建了“指紋”，即為一種材料選定唯一的物理和化學(xué)性質(zhì)的視覺表示，并以此來預(yù)測新的超導(dǎo)體。目前，該算法在測試數(shù)據(jù)上運(yùn)行良好，某些預(yù)測的成分已被證明確具超導(dǎo)性。
此外，材料科學(xué)家們一直有一個“固執(zhí)”的想法，那就是為任何給定材料創(chuàng)建一個唯一的表示形式（基因）。美國政府于2011年發(fā)起成立了材料基因組計劃，旨在鼓勵學(xué)術(shù)界和工業(yè)界采用AI來驅(qū)動材料的開發(fā)。但是，迄今為止，科學(xué)家們尚未找到合適的基因，考慮到材料的復(fù)雜程度，也不確定將來能否找到該基因。
例如，鈦酸鉛鋯（PZT）是一種非常常見的壓電陶瓷材料，能將電能轉(zhuǎn)換為機(jī)械能，反之亦然。
然而，以正確的比例混合鉛、鋯和鈦，并不總是能獲得具有相同特性的同一種材料。PZT的性能受晶粒尺寸、晶粒形狀、材料中的雜質(zhì)、材料的微觀空隙、疇形狀和疇尺寸、對材料基板的夾持作用、材料本身的尺寸、燒結(jié)氣氛和熱電歷史等諸多因素的影響。
那么，如何找到一種表達(dá)方式來表達(dá)所有這些參數(shù)呢？而且，即使能找到這樣一個表示方式，我們又將如何確定該包含多少數(shù)據(jù)呢？這確實是個令人頭疼的問題。
（根據(jù)能帶結(jié)構(gòu)和狀態(tài)密度構(gòu)造的材料指紋）
數(shù)據(jù)庫之戰(zhàn)
當(dāng)前，以上問題尚無解。特別是，對某個指定屬性進(jìn)行預(yù)測所需的最少數(shù)據(jù)量，也沒有達(dá)成共識。此外，大多數(shù)大型機(jī)器可讀的屬性數(shù)據(jù)庫，在該領(lǐng)域中也尚不存在。人類通過數(shù)十年的實驗和理論收集的數(shù)據(jù)，依然被塵封在文本和期刊文章中。因此，人工智能的第一步很可能是由數(shù)據(jù)平臺行動計劃驅(qū)動的。
其中，最著名的兩個例子是Materials Project和AFLOW Library。兩者均為通過密度泛函理論（DFT）計算的材料計算數(shù)據(jù)庫。Materials Project的數(shù)據(jù)庫中有超過100萬種材料，這些材料具有帶狀結(jié)構(gòu)、壓電、彈性等特性。目前，該數(shù)據(jù)庫仍在快速增長，已經(jīng)有超過5萬名用戶，其中大部分用戶來自計算材料界。
由于上述原因，作為必要的第一步，材料的計算（理論計算）數(shù)據(jù)與最終通過經(jīng)驗測量的材料性能并不完全相同。因此，除了理論數(shù)據(jù)庫之外，我們還需要一個經(jīng)驗數(shù)據(jù)庫，其中包含一個材料及其實驗性質(zhì)的列表。目前，這領(lǐng)域還沒有一個全面的數(shù)據(jù)庫。
另外的一些舉措來自使用ChemData Extractor等工具對科學(xué)文本進(jìn)行自然語言處理，該工具可以從文本中識別化學(xué)式和屬性關(guān)系。這已被用來從文本集合中自動提取所選無機(jī)物的磁性。其他方法，特別是與材料合成相關(guān)的方法，主要依賴文本挖掘和合成數(shù)據(jù)生成，例如使用變分自動編碼器。
盡管如此，語義屬性－處理－性能關(guān)系的提取，目前仍處于起步階段，而且這可能是材料科學(xué)AI發(fā)展中的最大瓶頸。
材料的深度學(xué)習(xí)
當(dāng)深度學(xué)習(xí)應(yīng)用于圖像時，可自動完成一些勞動密集型任務(wù)，例如，識別電子顯微鏡圖像中的缺陷，讀取X射線衍射光譜并對“相”進(jìn)行標(biāo)記。美國橡樹嶺國家實驗室的一個小組演示了如何訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)（CNN）來識別透射電子顯微鏡圖像中的空穴缺陷。其他研究小組已經(jīng)則展示了CNN如何在圖像中捕捉細(xì)微的特征，如晶粒的大小、分布和晶粒取向，并根據(jù)材料的顯微結(jié)構(gòu)對其進(jìn)行精確分類。
在另一個層面上，深度學(xué)習(xí)正在簡化通常需要用到超級計算機(jī)才能完成的密度泛函理論（DFT）計算。加州大學(xué)爾灣分校完成的工作中，已應(yīng)用深度學(xué)習(xí)來近似密度泛函理論，來計算材料中的電子分布。這種簡化的DFT計算通常是最好的材料建模方法，已廣泛應(yīng)用于物理和化學(xué)的許多分支。
（無機(jī)三元金屬氮化物圖，用最低形成能的三元氮化物的熱力學(xué)穩(wěn)定性著色）
在另一個路徑上，我們開始看到自動化高通量實驗進(jìn)入材料科學(xué)領(lǐng)域。這些都是自動化的系統(tǒng)，一次可執(zhí)行數(shù)千個實驗，然后進(jìn)行表征和測量。這使得人們可以快速有效地掃描相空間。
例如，美國國家可再生能源實驗室的高通量實驗數(shù)據(jù)庫，包含了超過1307個樣品庫和60000多個通過共濺射金屬制備的薄膜樣品。該數(shù)據(jù)庫包含了這些材料的顯微結(jié)構(gòu)、電學(xué)和光學(xué)信息，可供公眾查閱。
在這個方向上的其他工作，包括開發(fā)一種自主研究系統(tǒng)（ARES），以可控制的速率來生長碳納米管，而其他研究小組已將這種方法應(yīng)用于有機(jī)物的合成以及鎳鈦形狀記憶合金的開發(fā)。這些方法的效率遠(yuǎn)勝過人工方法，而且勢必將改變“未來材料科學(xué)家”的讀博進(jìn)程——因為大多數(shù)的博士研究生可能會被機(jī)器人取代！
最終，隨著機(jī)器和算法或?qū)⑷娼庸軐嶒炇液腿祟?strong>“思考”過程，人類也需要重新認(rèn)識材料科學(xué)。材料是什么？我們對材料究竟了解多少？神經(jīng)網(wǎng)絡(luò)是否有可識別出更高維度的材料特性－一種我們腦海從未現(xiàn)象過百維怪獸？
或許，一種新的材料科學(xué)本體將由機(jī)器人和人類共同構(gòu)建。
應(yīng)許之地
有時候，我們對于渴望的東西，總是表現(xiàn)得相當(dāng)迫切。如果近期之內(nèi)，我們達(dá)不到目標(biāo)，就會心慌，憂慮，甚至無所適從。
其實，一切都不用急。這世間所有的一切，都有因果。該來的東西，自然會來；該走的，也會離開。即使你再著急，仍然于事無補(bǔ)。不如耐心等待，只要時機(jī)到了，所有該來的都會來的。
正如巴魯赫·斯賓諾莎所言：“凡受理性指導(dǎo)的人，亦即以理性作指針而尋求自己的利益的人，他們所追求的東西，也即是他們?yōu)閯e人而追求的東西。”
參考資料
https://matmatch.com/blog/the-age-of-artificial-intelligence-in-materials-science-part-one/
https://matmatch.com/blog/the-age-of-artificial-intelligence-in-materials-science-part-two/
https://www.iso.org/isofocus_137.html
| |
|
? 請關(guān)注 微信公眾號: steeltuber. 轉(zhuǎn)載請保留鏈接: http://www.bviltd.cn/Steel-Knowledge/1595472967.html
|