建立伙伴关系以加快对新型可持续能源和智能手机材料的搜索

一个由工业界，学术界和政府组成的新研究联盟将利用人工智能(AI)的力量来加速下一代高性能材料的设计，其应用范围从可再生能源到消费电子产品。

多伦多大学应用科学与工程学院教授 泰德·萨金特(Ted Sargent) 以及新财团的首席研究员表示：“材料的发现始终始于我们在自然界中发现的东西 。” “我们结合并调整发现的材料，使其具有强度，弹性和导电性等特性。

“但是，如果人工智能能够帮助我们扭转这一进程怎么办?我们可以从我们寻找的属性开始并向后工作吗?”

这是AI加速材料发现联盟(A3MD)的范式转变目标，该 联盟汇集了来自美国科技大学，麦克马斯特大学和加拿大国家研究委员会的全球领先研究人员，以及行业合作伙伴LG和Total 。

该团队共同致力于发现先进的材料，将大气中的二氧化碳转化为可用能源，并增强诸如鲜艳生动的显示器等消费产品的性能。

A3MD的共同调查人员包括：

加州大学艺术与科学学院化学与计算机科学系的AlánAspuru-Guzik

T应用科学与工程学院化学工程与应用化学系的Cathy Chin

麦克马斯特大学化学工程系的德鲁·希金斯(Drew Higgins)

美国应用科学与工程学院机械工程系的大卫·辛顿(David Sinton)

加拿大国家研究委员会的Isaac Tamblyn

T士嘉堡大学物理与环境科学系的Alex Voznyy

这个跨学科的团队将制定新的战略，以应对发现和合成新材料的关键挑战之一：巨大的搜索空间。

“ 材料项目旨在提供已知材料的计算库，目前可以预测其中超过700,000种材料的性能，” Aspuru-Guzik说。“但是这些材料可以以多种方式组合。太多可能的排列无法全部尝试。”

从历史上看，功能材料的发现涉及知情的试验和错误–以及许多试验测试。此外，实验的设计容易受到人为偏见的影响：研究人员倾向于专注于自己的经验表明可能会很有趣的元素组合。

2017年，Aspuru-Guzik和Sargent以及其他几位合作者在《自然》杂志上发表了号召性 用语 ，认为来自机器学习领域的新兴工具可能在加速寻求新的高性能方面起关键作用材料。

经过适当训练的算法可以在大量的模拟材料库中进行分类，并在短时间内识别出有希望的组合，从而为研究人员指明富有成效的方向。

最终，这些材料需要在实验室中进行合成和测试。AI在这里也可以提供帮助：与先进的机器人技术结合使用时，它可以使用高通量筛选(HTS)。

Sinton说：“借助HTS，您可以并行地制造和测试许多不同的材料，而不必一次制造一种。” 机器人设备负责重复性的实验室工作，从而使其更快，更重复地完成。在使用AI进行指导时，HTS的功能最强大-每个新迭代都通过对之前迭代的分析来告知。

人工智能和机器人技术的结合为所有人带来了巨大的协同增效机会。

“在寻求如此大规模的实用解决方案时，研究人员与行业和其他研究机构建立合作伙伴关系至关重要，” Edward S. Rogers高级电气和计算机工程系主任Deepa Kundur教授说 。

“ A3MD是主动参与观点以保持对解决方案的关注的主动行动的一个很好的例子。”

在第一年，A3MD将为高通量实验建立必要的基础设施，包括精密机器人技术。该财团还将召集数个机器学习和数据科学新手训练营，培训新一代专家，还将与相关领域的领先研究人员组织一系列演讲。研究生和博士后研究员将推动该联盟的研究和专业发展策略的关键方面。

在第二年，A3MD将进一步扩展，增加行业和学术合作伙伴，这些合作伙伴将带来更多专业知识，并为将要开发的新颖技术商业化提供新途径。

“伙伴关系是创新的基础，” T的国际合作伙伴关系副总裁U. Alex Mihailidis教授说 。“他们更快地找到更好的解决方案，因为他们将不同的群体聚集在一起。A3MD是U T的协作精神以及与这些才华横溢和投资伙伴一起工作的愿望的很好例证。”