康奈尔领导的团队开发的人工智能系统已经确定了一种用于创造更高效燃料电池的有前景的材料 - 这是材料科学和机器学习的潜在突破。

该系统依赖于各自执行不同任务的算法机器人集合，筛选数百到数千个元素组合，以创建相位图 - 原子相对于彼此的排列 - 然后人类可以使用它来确定哪个可能是一种新材料。

“这个问题迫使我们开发出一种全新的方法，真正推动人工智能的前沿，以获得物理上有意义的解决方案，” 计算机科学教授，计算可持续发展研究所所长卡拉·戈麦斯说 ，“ CRYSTAL：A ”的第一作者用于材料晶体结构自动映射的多智能体系统， “发表于材料研究学会通讯。

寻求改进汽车燃料电池的研究人员正在寻找一种催化剂，这种催化剂可以用甲醇替代难以储存的氢气，甲醇可能效率更高。

但由于没有已知材料是甲醇氧化的有效催化剂，因此需要一种新材料，共同作者John Gregoire博士说。'09，加州理工学院的一名科学家。

“如果存在一种可行的催化剂，那么需要通过组合元素周期表来发现它，并且组合的数量非常庞大，以至于无法通过传统实验来完成，”Gregoire说，他以前是博士后研究员。共同作者R. Bruce van Dover的实验室 ，Walter S. Carpenter，Jr。，工程学教授。

研究人员还需要了解材料的晶体结构或相位，因为固体可能具有多个相结构，并且每个相位作为催化剂表现不同。

“人类可以解决包含两个元素的简单合成系统的相位图，”Gregoire说，“但是只要有两个以上的元素，人类就有太多的信息要处理，我们需要人工智能来协助。”

然而，现有的机器学习方法并不适合科学发现的严格限制，其中解决方案不仅必须合理，而且必须遵守物理和化学定律，Gomes说。

为了应对这一挑战，Gomes及其同事开发了一种名为CRYSTAL的系统，用于晶相映射，其中多个机器人各自处理问题的不同部分，从预测各种组合的相位结构到确保这些预测符合热力学规则。 。

机器学习系统通常学习如何使用大量带注释的训练数据来解决问题 - 例如，用于区分狗和猫的算法将通过标记为“狗”或“猫”的图像的数据集来训练。标记数据不是'在这种情况下可用，因此CRYSTAL还需要能够从未标记的数据中推断 - 这一过程称为无监督学习。

“对于一个单一的整体系统，这将是压倒性的，”戈麦斯说。“但如果我们以非常敏捷的方式实现这一目标，将多代理系统集合在一起，我们可以快速找到解决方案并满足所有限制。”

Gomes表示，CRYSTAL部分受到了IBM Watson超级计算机的启发，该计算机利用人工智能代理社区提出了不同的可能解决方案，在“危险边缘”中击败人类冠军!

使用CRYSTAL，研究人员能够确定一种独特的催化剂，由三种结晶成某种结构的元素组成，对甲醇氧化有效，可以加入到甲醇基燃料电池中。

“这是一个重要的发现，它挑战了我们对催化的理解，以及设计下一代催化剂的重要研究方向，”Gregoire说。