在多倫多大學，Ted Sargent經(jīng)營著一個類似的試驗廚房。他的團隊由研究人員和學生組成，開發(fā)食譜，仔細測量和混合配料，然后評估后果。

Sargent團隊的構想之一，其實是用二氧化碳做飯。電氣工程師出身的Sargent說，他們的目標是發(fā)明配方，把溫室氣體“升級”成有用的材料。未來的工廠和發(fā)電廠可以利用可再生能源，將二氧化碳轉化為可以出售的原材料，或者把它們“抓起來”封存在地下，而不是將污染物直接排放到空氣中。

有一類很有前景的配方，是將二氧化碳與其他反應物電轟擊，將其轉化為由兩個碳原子和四個氫組成的六原子分子乙烯。乙烯是一種用來制造普通塑料的原料，包括超市和拉鏈袋中的塑料。Sargent認為這是一種很有商業(yè)價值的化學品，背后會是大約600億美元的市場規(guī)模。

二氧化碳“升級”圖

不過，Sargent工作的真正意義不只是他的食譜多么有意思——他在用人工智能做飯。

Sargent團隊通過使用新的人工智能和超級計算機驅動的技術，發(fā)現(xiàn)了制造乙烯的新成分，而這些技術在過去十年里在材料科學家中越來越受歡迎。

Sargent與卡內(nèi)基梅隆大學的Zachary Ulissi合作，后者專門研究如何利用算法發(fā)明新材料。

Ulissi模擬了12229張共244種不同晶體的顯微特寫照片，瞄準了最有希望制造乙烯的候選晶體。特別是，他們希望找到一種材料，能讓二氧化碳分解過程中產(chǎn)生的一氧化碳分子更容易粘附。

Ulissi用一臺超級計算機進行了一小部分模擬，但這項任務太費時間了，不可能完成所有12229張?zhí)貙憽Ｓ炙运眠@些超級計算的結果訓練了一個機器學習算法，讓機器學會怎么快速進行剩下的模擬。

在多倫多大學，Ted Sargent用類似的電子設備來“升級”二氧化碳

這些基于計算機的方法為研究人員發(fā)現(xiàn)新材料提供了一個更快、更全面的策略?？茖W家要發(fā)現(xiàn)一種材料，完成微調，然后再讓其進入到商業(yè)化階段，這整個過程可能需要20年甚至更多。

正如愛迪生的故事那樣，在19世紀70年代，他測試了3000多種不同的材料，試圖為第一個價格合理的白熾燈泡找到合適的燈絲。結果，下個世紀的燈絲是由鎢制成的，是愛迪生從未嘗試過的一種材料。

同樣地，多倫多/卡內(nèi)基梅隆大學的團隊可能也沒有找到那個“制勝關鍵”。他們的配方需要大量的電力來制造，這意味著現(xiàn)在用二氧化碳生產(chǎn)乙烯是無利可圖的。

Sargent和他的同事正在努力設計更經(jīng)濟可行的食譜。上周《自然》雜志刊登的最新研究中，他們報道了多種新材料的發(fā)現(xiàn)，也就是所謂的催化劑，這些新材料能夠更快、更節(jié)能地將二氧化碳轉化為乙烯。這些催化劑可能是最終使這項技術具有可擴展性的“秘密武器”。

“我們需要減少碳足跡，但我們也不想因此而犧牲世界各地的繁榮。”Sargent說。

有了計算機，材料配方不再嚴格局限于單個科學家的專業(yè)知識。為了找到他們的催化劑，Ulissi和Sargent的團隊使用了一個名為Materials Project的公共數(shù)據(jù)庫，該數(shù)據(jù)庫旨在將材料科學家作為一個類似Google的搜索引擎來服務。

這個網(wǎng)站包含了超過12萬種不同無機化合物的數(shù)據(jù)。任何人都可以登錄，指定他們想研究的原子元素和化學性質，并迅速找到許多候選材料。

科學家們找到讓二氧化碳變成塑料的辦法

舉個例子，Sargent和Ulissi從以前的經(jīng)驗中知道，含銅材料是很好的催化劑，因此他們專門針對由銅制成的非活性合金搜索材料項目，該網(wǎng)站建議從244種晶體開始著手研發(fā)。

從這個列表中，算法指出，含鋁銅合金可能是最合適的。當這些算法預測出最佳鋁銅比以及兩種金屬的混合均勻程度時，實驗室的科學家根據(jù)這些預測合成了材料，并將結果反饋到算法中。

計算機和科學家們的“天作之合”，使得他們在實驗室中發(fā)現(xiàn)并生產(chǎn)出17種高效催化劑。

現(xiàn)在更多的科學家依靠計算機工具來發(fā)明新材料。勞倫斯伯克利國家實驗室的物理學家Kristin Persson說：“在過去的20年里，確實發(fā)生了一場范式的變化?！彼硎?，計算技術“已經(jīng)從小眾應用轉向推動創(chuàng)新”。

2017年，波音公司下屬的研究人員報告說，他們利用AI發(fā)明了一種用于3D打印飛機部件的粉末合金。同年，洛斯阿拉莫斯國家實驗室的研究人員使用AI設計了一種合金，這種合金可以反復加熱和冷卻而不會減弱。

去年7月，杜拉塞爾公司推出了一款名為Optimum的新型電池，它所含有的新材料，是Persson在2004年首次通過計算機模擬發(fā)現(xiàn)的。

石油巨頭BP最近也與初創(chuàng)公司Kebotix建立了合作伙伴關系，這家總部位于馬薩諸塞州的公司開發(fā)了一種AI驅動的工具，以用于設計更環(huán)保的塑料配方。

但是，就算使用了AI和超級計算機，Ulissi和Sargent的團隊還是花了大約三年的時間，來鑒定和測試這些新的催化劑。

Persson說，目前的瓶頸是在實驗室中混合和測試化學物質——算法確實可以起到很大的作用，但你仍然需要在工作臺上測試所有的想法。

“我們不能雇傭學校里的每一個研究生都站在流水線上，去嘗試各種各樣的可能性，而這些可能性正是計算結果向他們拋出的?！盤ersson認為，將機器人納入工作流程將加快材料的發(fā)現(xiàn)，這是材料研究的必經(jīng)之路。

事實上，Kebotix已經(jīng)開始使用機器人來發(fā)現(xiàn)化學物質，首席執(zhí)行官Jill Becker將其稱為“自動駕駛實驗室”（auto-driving laboratory）：計算機模擬為新材料的配方提供建議，機器人則對這些配方進行測試。、

Kebotix的客戶可以選擇獨立使用這些功能，最近就有一家國家衛(wèi)生研究院實驗室使用他們的AI軟件，更有效地進行藥物開發(fā)實驗。

不過，有了機器人，材料的發(fā)現(xiàn)還是需要人類的監(jiān)督。Sargent表示，算法不是非常精確，合成新材料仍然需要“相當數(shù)量的手工制作”。

“實驗主義者不會讓理論家感到驚訝。就算有立式攪拌機、Instapots和面包機，廚房仍然需要一名廚師?！盨argent說。

雷鋒網(wǎng)編譯，via WIRED：https://www.wired.com/story/this-lab-cooks-with-ai-to-make-new-materials/

雷鋒網(wǎng)雷鋒網(wǎng)雷鋒網(wǎng)

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權禁止轉載。詳情見轉載須知。