《自然》封面：人工智能掀起材料革命，將顛覆人類科研方式

【新智元導(dǎo)讀】Nature封面論文：美國(guó)研究者借助機(jī)器學(xué)習(xí)算法，利用“廢棄”數(shù)據(jù)成功預(yù)測(cè)新材料的合成，引發(fā)學(xué)界激論：人工智能真能加速發(fā)現(xiàn)神奇新材料嗎？該研究所用的“計(jì)算材料學(xué)”結(jié)合計(jì)算機(jī)模型和機(jī)器學(xué)習(xí)，是對(duì)傳統(tǒng)研究方法的革新。計(jì)算機(jī)科學(xué)和人工智能的影響已經(jīng)拓展到越來(lái)越多的領(lǐng)域，機(jī)器學(xué)習(xí)或?qū)⒏淖兾磥?lái)科研方式。

發(fā)現(xiàn)一種新的材料是非常艱難的過(guò)程，通常要經(jīng)歷無(wú)數(shù)次失敗，偶爾在機(jī)緣巧合之下取得成果，還要費(fèi)勁功夫反向檢測(cè)這種新材料的性質(zhì)。但有一批材料科學(xué)家轉(zhuǎn)換思路，使用計(jì)算機(jī)模型和機(jī)器學(xué)習(xí)算法生成海量假想的材料，建立數(shù)據(jù)庫(kù)，從中篩選出值得合成的材料，再通過(guò)檢索這些材料可能擁有的性質(zhì)進(jìn)行具體應(yīng)用測(cè)試，比如將這種材料用作導(dǎo)體表現(xiàn)如何、用作絕緣體性能又如何、這種材料是否具有磁性、那種材料的抗壓力是多少。

2016年5月5日，Nature 將一篇機(jī)器學(xué)習(xí)算法改變材料發(fā)現(xiàn)方式的論文放上封面，并提出“從失敗中學(xué)習(xí)”：美國(guó)研究者利用機(jī)器學(xué)習(xí)算法，用失敗或不成功的實(shí)驗(yàn)數(shù)據(jù)預(yù)測(cè)了新材料的合成，并且在實(shí)驗(yàn)中機(jī)器學(xué)習(xí)模型預(yù)測(cè)的準(zhǔn)確率超過(guò)了經(jīng)驗(yàn)豐富的化學(xué)家，這意味著機(jī)器學(xué)習(xí)將改變傳統(tǒng)材料發(fā)現(xiàn)方式，發(fā)明新材料的可能性也大幅提高。

使用計(jì)算機(jī)模型和機(jī)器學(xué)習(xí)算法的好處在于，失敗的實(shí)驗(yàn)數(shù)據(jù)也能用作下一輪的輸入，繼而不斷完善算法。倫敦帝國(guó)學(xué)院研究副院長(zhǎng)、材料科學(xué)家 Neil Alford 以觀察者身份發(fā)表評(píng)論，這種做法代表了實(shí)驗(yàn)科學(xué)和理論科學(xué)的真正融合。

加州大學(xué)伯克利分校的材料科學(xué)家 Gerbrand Ceder 在接受 Nature 記者采訪時(shí)說(shuō)，使用機(jī)器學(xué)習(xí)算法有望大幅提高新材料發(fā)現(xiàn)的速度和效率。Ceder 是最早開(kāi)始使用計(jì)算模型和機(jī)器學(xué)習(xí)生成假想材料的科學(xué)家之一，他以化合物磷酸鐵鋰為例：磷酸鐵鋰最初于 20 世紀(jì) 30 年代被合成，但當(dāng)時(shí)世人并不認(rèn)為這種材料會(huì)有多大用途，直到 1996 年科學(xué)家發(fā)現(xiàn)磷酸鐵鋰大有取代現(xiàn)有鋰離子電池的可能。

哈佛大學(xué)的研究者采用計(jì)算材料科學(xué)思路，使用“失敗”數(shù)據(jù)，成功完成了這篇被選為本期 Nature 封面的論文。

有了機(jī)器學(xué)習(xí)，再也不怕失敗了

論文標(biāo)題：Machine-learning-assisted materials discovery using failed experiments

作者：Paul Raccuglia、Katherine C. Elbert、Philip D. F. Adler、Casey Falk、Malia B. Wenny、Aurelio Mollo、Matthias Zeller、Sorelle A. Friedler、Joshua Schrier、Alexander J. Norquist

來(lái)源：Nature 533, 73–76 (05 May 2016) doi:10.1038/nature17439

使用失敗實(shí)驗(yàn)在機(jī)器學(xué)習(xí)輔助下進(jìn)行材料發(fā)現(xiàn)（摘譯）

對(duì)諸如有機(jī)模板合成的金屬氧化物、金屬有機(jī)骨架（MOF）和有機(jī)鹵化鈣鈦礦等無(wú)機(jī)-有機(jī)雜化材料的研究已經(jīng)持續(xù)了數(shù)十年。水熱法和（非水）溶劑熱合成已經(jīng)產(chǎn)生了數(shù)千種新材料，這些新材料幾乎包含了元素周期表中的所有元素。然而，我們?nèi)晕闯浞掷斫膺@些化合物的形成過(guò)程，對(duì)新化合物的開(kāi)發(fā)主要依靠試探性合成。在Materials Genome Initiative的推動(dòng)下，計(jì)算機(jī)模擬和數(shù)據(jù)驅(qū)動(dòng)的方法成為對(duì)實(shí)驗(yàn)試錯(cuò)方法的替代選擇。三個(gè)主要的策略是：基于模擬來(lái)預(yù)測(cè)材料的電荷遷移率、光生伏打性質(zhì)、氣體吸附能力和鋰離子嵌入等物理性質(zhì)，從而確定那些有前景的合成對(duì)象。通過(guò)整合高通量合成與測(cè)量工具，從大規(guī)模實(shí)驗(yàn)數(shù)據(jù)中確定材料的結(jié)構(gòu)-性質(zhì)關(guān)系。基于諸如沸石結(jié)構(gòu)分類和氣體吸附性能等相似的晶體結(jié)構(gòu)，對(duì)材料進(jìn)行聚類。

在這里，我們展示了用反應(yīng)數(shù)據(jù)訓(xùn)練機(jī)器學(xué)習(xí)算法，繼而預(yù)測(cè)模板合成的釩亞硒酸鹽結(jié)晶過(guò)程的反應(yīng)結(jié)果。我們使用未發(fā)表的“黑暗”反應(yīng)信息，這些反應(yīng)信息來(lái)自那些失敗或未成功的水熱合成實(shí)驗(yàn)。我們從實(shí)驗(yàn)室的筆記本檔案中收集了這些信息，并運(yùn)用化學(xué)信息學(xué)技術(shù)為筆記本中的原始數(shù)據(jù)添加了理化性質(zhì)描述。我們用由此產(chǎn)生的數(shù)據(jù)訓(xùn)練機(jī)器學(xué)習(xí)模型預(yù)測(cè)反應(yīng)能否成功。當(dāng)使用先前未經(jīng)測(cè)試的、市場(chǎng)有售的有機(jī)砌塊進(jìn)行水熱合成實(shí)驗(yàn)時(shí)，我們的機(jī)器學(xué)習(xí)模型獲得了比傳統(tǒng)人類策略更好的效果，并成功預(yù)測(cè)了有機(jī)模板合成的無(wú)機(jī)物的形成條件，成功率達(dá) 89%。對(duì)機(jī)器學(xué)習(xí)模型進(jìn)行反演后，可以揭示出關(guān)于成功產(chǎn)物形成條件的嶄新假設(shè)。

實(shí)驗(yàn)中機(jī)器學(xué)習(xí)模型反饋機(jī)制示意圖

圖1｜“黑暗”反應(yīng)的反饋機(jī)制示意圖。使用從歷史反應(yīng)數(shù)據(jù)中產(chǎn)生的機(jī)器學(xué)習(xí)模型推薦可供執(zhí)行的新反應(yīng)，并產(chǎn)生關(guān)于結(jié)晶過(guò)程的假設(shè)，這些假設(shè)可以被人類解讀。另，SVM 是支持向量機(jī)的縮寫(xiě)。來(lái)源：Nature 533, 73–76

機(jī)器學(xué)習(xí)模型超越傳統(tǒng)人類策略

圖2｜關(guān)于模板合成的釩亞硒酸鹽晶體形成的實(shí)驗(yàn)結(jié)果比較，以胺相似度為橫軸。深色條表示機(jī)器學(xué)習(xí)模型的預(yù)測(cè)，淺色條表示傳統(tǒng)的人類策略。產(chǎn)生了多晶和大單晶產(chǎn)物的反應(yīng)分別顯示為藍(lán)色和綠色。縱軸顯示了反應(yīng)出現(xiàn)所指示的結(jié)果的概率。機(jī)器學(xué)習(xí)模型比人類策略更成功地預(yù)測(cè)了晶體形成的條件，無(wú)論用模板合成的胺數(shù)據(jù)庫(kù)中已知實(shí)例時(shí)所具有的系統(tǒng)相似性如何。來(lái)源：Nature 533, 73–76

支持向量決策樹(shù)

圖3｜從 SVM 中得到的決策樹(shù)。橢圓表示決策節(jié)點(diǎn)，矩形代表反應(yīng)結(jié)果容器，三角形代表被切除的子樹(shù)。箭頭上的數(shù)字對(duì)應(yīng)于決策屬性的測(cè)試值。每個(gè)反應(yīng)結(jié)果容器（矩形）對(duì)應(yīng)一個(gè)特定的反應(yīng)結(jié)果值（“3”或“4”，如圖所示）。括號(hào)中的數(shù)字是正確地分配給該容器的反應(yīng)的數(shù)量（任何被錯(cuò)誤分類的反應(yīng)都用正斜杠標(biāo)識(shí)）。分?jǐn)?shù)值表示反應(yīng)具有不確定的結(jié)果，這是由決策樹(shù)的較高位置的屬性值缺失導(dǎo)致的。那些包含了大多數(shù)成功反應(yīng)的容器被分為三個(gè)不同的組（分別用綠色，藍(lán)色和紅色陰影標(biāo)示）。每個(gè)彩色子樹(shù)定義了一組有助于單晶形成的特定反應(yīng)參數(shù)。通過(guò)審查這些條件，可以得出相應(yīng)的化學(xué)假設(shè)，這些假設(shè)分別對(duì)應(yīng)于低、中和高極化胺。來(lái)源：Nature 533, 73–76

算法生成的假設(shè)及其化學(xué)三維結(jié)構(gòu)模型

圖4｜對(duì)從模型中產(chǎn)生的三個(gè)假設(shè)及每個(gè)假設(shè)結(jié)構(gòu)的圖示。單晶形成所需的實(shí)驗(yàn)條件很大程度上取決于胺屬性。小的、低極化的胺需要不存在與之競(jìng)爭(zhēng)的 Na+ 離子，也需要較長(zhǎng)的反應(yīng)時(shí)間，以避免無(wú)機(jī)砌塊沉淀。球形、低投影尺寸的胺則需要包含 VOSO4 等試劑的 V4+ ，因?yàn)樗鼈儾荒苤苯訌某Ｒ?jiàn)的 V5+ 前體中產(chǎn)生 V4+。長(zhǎng)的三胺和四胺要求草酸鹽反應(yīng)物，以改變無(wú)機(jī)次級(jí)砌塊的電荷密度。這三個(gè)假設(shè)分別對(duì)應(yīng)于圖 3 中的綠色、藍(lán)色和紅色子樹(shù)。

我們的機(jī)器學(xué)習(xí)方法使我們能夠利用包含歷史反應(yīng)的化學(xué)信息，并闡明支配反應(yīng)結(jié)果的因素。機(jī)器學(xué)習(xí)模型對(duì)先前未經(jīng)測(cè)試的有機(jī)胺的預(yù)測(cè)準(zhǔn)確率，超過(guò)了依靠多年來(lái)形成的化學(xué)直覺(jué)所實(shí)現(xiàn)的準(zhǔn)確率。此外，我們的方法以可驗(yàn)證的假設(shè)形式揭示了支配反應(yīng)結(jié)果的化學(xué)原理，它能更成功地制造新化合物，也能產(chǎn)生有用的化學(xué)信息，這代表了試探性反應(yīng)的革新性進(jìn)步。

AI 真能發(fā)現(xiàn)神奇材料嗎？

計(jì)算材料科學(xué)還是一門(mén)新興的學(xué)科，其主要推動(dòng)著就是上文提到的加州大學(xué)伯克利分校的材料科學(xué)家 Gerbrand Ceder 。受人類基因組計(jì)劃的啟發(fā)，Ceder 想到了使用高通量數(shù)據(jù)驅(qū)動(dòng)的方法進(jìn)行材料發(fā)現(xiàn)。Ceder 認(rèn)為，人類基因組本身并非能作為疾病治療的方案，但卻可以為醫(yī)學(xué)提供研發(fā)疾病治療方案的海量基本定量數(shù)據(jù)——材料科學(xué)是不是也能借鑒遺傳科學(xué)的方法，用“材料基因組”（該詞為 Ceder 所創(chuàng)）編碼各種化合物呢，就像 DNA 堿基對(duì)編碼蛋白質(zhì)等各種生物材料一樣？

2003 年，Ceder 研究組創(chuàng)建了一個(gè)量子力學(xué)計(jì)算數(shù)據(jù)庫(kù)，用于預(yù)測(cè)金屬合金最有可能形成的晶體結(jié)構(gòu)，因?yàn)檫@是發(fā)明新材料的基礎(chǔ)。在過(guò)去，即使使用用超級(jí)計(jì)算機(jī)也需要通過(guò)多次反復(fù)長(zhǎng)期大量試錯(cuò)找到合金的基態(tài)。但在 Ceder 研究組 2003 年發(fā)表的一篇論文中，他們描述了一種捷徑：研究人員首先計(jì)算出一些常見(jiàn)二元合金晶體結(jié)構(gòu)的能量，建立小型數(shù)據(jù)庫(kù)，然后設(shè)計(jì)了一種機(jī)器學(xué)習(xí)算法，這種算法可以從上述數(shù)據(jù)庫(kù)中提取模式，繼而預(yù)測(cè)出新合金基態(tài)的可能值。結(jié)果表明，Ceder 研究組設(shè)計(jì)的這種機(jī)器學(xué)習(xí)算法表現(xiàn)良好，大大縮減了計(jì)算時(shí)間。

2006年，Ceder 在 MIT 開(kāi)始了 Materials Genome Project，用改進(jìn)后的機(jī)器學(xué)習(xí)算法預(yù)測(cè)能用作電動(dòng)車(chē)電池的鋰材料。2010年，該計(jì)劃的數(shù)據(jù)庫(kù)里已經(jīng)包含了２萬(wàn)種計(jì)算機(jī)預(yù)測(cè)的化合物。另一方面，Ceder 研究組成員 Stefano Curtarolo 在 2006 年去了杜克大學(xué)并在那里建立了自己的實(shí)驗(yàn)室——Center for Materials Genomics，專門(mén)研究金屬合金，Curtarolo 研究組與其他兩家研究機(jī)構(gòu)合作，逐漸改進(jìn) 2003 年的機(jī)器學(xué)習(xí)算法并拓展數(shù)據(jù)庫(kù)，構(gòu)建了 AFLOW 系統(tǒng)，能計(jì)算已知的晶體結(jié)構(gòu)并且自動(dòng)預(yù)測(cè)新的晶體結(jié)構(gòu)。

2011年６月，白宮宣布斥資幾億美元進(jìn)行 Materials Genome Initiative（MGI），由此開(kāi)始計(jì)算材料科學(xué)這門(mén)學(xué)科成為主流。如今，除了 Ceder 的 Materials Project，還有原 Ceder 研究組成員、現(xiàn)杜克大學(xué)材料科學(xué)家 Stefano Curtarolo 的數(shù)據(jù)庫(kù) AFLOWlib，以及西北大學(xué)材料研究者 Chris Wolverton 在 Ceder 思路啟發(fā)下，用自己研發(fā)的算法和模型建立的數(shù)據(jù)庫(kù) Open Quantum Materials Database（OQMD）。

這３大數(shù)據(jù)庫(kù)都含有從材料科學(xué)界廣泛使用的無(wú)機(jī)晶體結(jié)構(gòu)數(shù)據(jù)庫(kù)中提取的５萬(wàn)種材料，這些都是曾經(jīng)被制造出來(lái)的固體，但其導(dǎo)電性和磁性尚未被徹底研究。其不同之處在于：Ceder 的 Materials Project 側(cè)重沸石、鋰電池相關(guān)以及金屬有機(jī)骨架結(jié)構(gòu)材料，并以較高的標(biāo)準(zhǔn)衡量是否將計(jì)算機(jī)預(yù)測(cè)的材料納入數(shù)據(jù)庫(kù)；Curtarolo 的 AFLOWlib 是最大的數(shù)據(jù)庫(kù)，包含 100 多萬(wàn)種材料和幾十萬(wàn)種假想材料，但相應(yīng)的里面也不乏只能存在一瞬間的材料；Wolverton 的 OQMD 有大約 40 萬(wàn)種假想材料，其中鈣鈦礦相關(guān)的尤其豐富，此外正如名字中 Open 那樣，用戶可以下載整個(gè)數(shù)據(jù)庫(kù)。

目前這３大數(shù)據(jù)庫(kù)都在用各自的方法不斷補(bǔ)充數(shù)據(jù)、完善算法，但離理想還有很大距離。當(dāng)前的機(jī)器學(xué)習(xí)算法相對(duì)擅長(zhǎng)預(yù)測(cè)某種晶體是否穩(wěn)定，但在預(yù)測(cè)吸光性和導(dǎo)電性時(shí)則會(huì)出現(xiàn)很大誤差。不過(guò)，Materials Project 已經(jīng)發(fā)現(xiàn)了幾種有望超越現(xiàn)有鋰離子電池陰極材料性能的材料，以及有可能提高太陽(yáng)能電池能量轉(zhuǎn)化率的金屬氧化物。都柏林三一學(xué)院的研究人員使用 AFLOWlib 預(yù)測(cè)了 20 種可用于制作傳感器或計(jì)算機(jī)存儲(chǔ)器的磁性材料，并且成功合成了其中的兩種，同時(shí)經(jīng)實(shí)驗(yàn)證明其磁性與預(yù)測(cè)非常接近，相關(guān)論文已經(jīng)在 Nature 發(fā)表。

歐洲也有類似的計(jì)算材料計(jì)劃：由瑞士洛桑聯(lián)邦理工學(xué)院（EPFL）為首的一批計(jì)算材料科研機(jī)構(gòu)共同組建了 MARVEL，EPFL 的材料科學(xué)家 Nicola Marzari 是該項(xiàng)目的負(fù)責(zé)人。Marzari 正在使用新的計(jì)算平臺(tái)制作一個(gè)叫做 Materials Cloud 的數(shù)據(jù)庫(kù)，主要用于搜索石墨等由一層原子或分子組成的“二維”材料，這類材料可以在納米電子、生物醫(yī)學(xué)設(shè)備領(lǐng)域得到廣泛應(yīng)用。Marzari 的 Materials Cloud預(yù) 計(jì)今年晚些時(shí)候啟動(dòng)，學(xué)界也對(duì)此表示了普遍的關(guān)注。據(jù) Mzrzari 預(yù)計(jì)，到 Materials Cloud 開(kāi)放時(shí)，系統(tǒng)將會(huì)得出大約 1500 種有望進(jìn)入試驗(yàn)階段的二維材料結(jié)構(gòu)。

人工智能幫助科學(xué)家發(fā)現(xiàn)新材料。來(lái)源：Nature

不過(guò)，計(jì)算材料的發(fā)現(xiàn)也不全是好的結(jié)果：EPFL 中心的計(jì)算化學(xué)家 Berend Smit 及其研究組篩選了計(jì)算機(jī)預(yù)測(cè)的 65 萬(wàn)種材料后得出結(jié)論，當(dāng)前用于存儲(chǔ)甲烷的材料基本已經(jīng)是最好的了，縱使得到改善，存儲(chǔ)效率也只能微量提升，這說(shuō)明美國(guó)寄希望于重大技術(shù)突破（如使用納米多孔材料存儲(chǔ)甲烷）而設(shè)定的能源目標(biāo)很可能是不現(xiàn)實(shí)的。

目前，Ceder 和 Curtarolo 都在努力開(kāi)發(fā)更好的機(jī)器學(xué)習(xí)算法，從已知化合物合成過(guò)程中提取規(guī)律。Marzari 告訴 Nature 記者，材料科學(xué)已經(jīng)從手工時(shí)代進(jìn)入了產(chǎn)業(yè)化階段，雖然現(xiàn)在市面上還沒(méi)有計(jì)算材料得到應(yīng)用，但他相信十年后不僅會(huì)有，而且可能會(huì)有很多。

不過(guò)，就連支持使用計(jì)算機(jī)和機(jī)器學(xué)習(xí)生成假想材料的科學(xué)家也指出，要從假想材料到現(xiàn)實(shí)落地還有很長(zhǎng)一段距離。首先，現(xiàn)有數(shù)據(jù)庫(kù)所含有的材料數(shù)據(jù)本身就不多，連現(xiàn)有已知材料都沒(méi)有收錄完全，更被說(shuō)計(jì)算機(jī)生成的材料了。其次，這種用數(shù)據(jù)驅(qū)動(dòng)的發(fā)現(xiàn)方法并不適用于所有的材料（目前算法只能預(yù)測(cè)完美晶體）。再者，即使計(jì)算機(jī)生成了一種極有前景的材料，要在實(shí)驗(yàn)室里將其合成、制為實(shí)物也仍然可能需要花費(fèi)很長(zhǎng)時(shí)間。Ceder 對(duì) Nature 記者說(shuō)，計(jì)算機(jī)隨時(shí)都在生成有趣的新材料，但有時(shí)候半年多時(shí)間都無(wú)法在實(shí)驗(yàn)室里將其制造出來(lái)。換句話說(shuō)，在理論上合成一種材料相對(duì)簡(jiǎn)單，但要在實(shí)驗(yàn)室里把它做出來(lái)很難。

但是，材料科學(xué)家對(duì)于發(fā)現(xiàn)新的化合物充滿信心，他們相信還有數(shù)不清的新材料有待合成，而這些新材料將對(duì)電子工業(yè)、能源產(chǎn)業(yè)、機(jī)器人產(chǎn)業(yè)、健康醫(yī)療和交通運(yùn)輸帶來(lái)巨大改變。

本文經(jīng)新智元（微信號(hào)：AI_era）授權(quán)轉(zhuǎn)載。新智元是人工智能領(lǐng)域排名第一的社交平臺(tái)，專注報(bào)道人工智能領(lǐng)域的前沿資訊、產(chǎn)業(yè)分析和技術(shù)干貨。