在寻找新材料的过程中，科学家传统上依靠实验室里的试错方法，结合直觉进行调整。
但现在，通过结合两大计算超级能力——人工智能和超级计算，发现了一种新的电池材料。这一发现突显了利用计算机帮助科学家发现适合特定需求的材料的潜力，从电池到碳捕集技术再到催化剂。
微软和太平洋西北国家实验室（PNNL）的研究人员在一篇于1月8日提交给arXiv.org的论文中报告称，他们的计算将超过3200万个候选材料缩减为仅有23个有前途的选项。然后，团队合成并测试了其中一个材料，并创建了一个可工作的电池原型。
尽管科学家之前曾使用人工智能预测材料的性质，但以往的研究通常没有将这一过程进行到产生新材料的阶段。加州大学圣迭戈分校的计算材料科学家Shyue Ping Ong说：“这篇论文的好处在于它从头到尾都进行了研究。”
研究人员瞄准了令人向往的一种电池材料：固态电解质。电解质是一种在电池的电极之间来回传输离子（带电的原子）的材料。在标准的锂离子电池中，电解质是液体。但这带来了诸如电池泄漏或引发火灾等危险。开发具有固态电解质的电池是材料科学家的主要目标之一。
最初的3200万个候选材料是通过一场混搭游戏产生的，即在已知材料的晶体结构中替代不同的元素。微软的计算化学家Nathan Baker说，用传统的物理学计算对这么大的列表进行排序将需要几十年的时间。但是借助机器学习技术，根据从已知材料学到的模式进行快速预测，这个计算过程仅用了80小时。
首先，研究人员使用人工智能根据稳定性来过滤材料，即它们是否实际存在于现实世界中。这将候选材料缩减到不到60万个。进一步的人工智能分析选择了可能具有电池所需的电气和化学性质的候选材料。由于人工智能模型是近似的，研究人员使用基于物理学的经过试验验证的计算密集型方法来筛选这个较小的列表。他们还淘汰了稀有、有毒或昂贵的材料。
这使研究人员留下了23个候选材料，其中五个已经被发现。太平洋西北国家实验室的研究人员选择了一个看起来很有前途的材料——它与研究人员知道如何在实验室中制造的其他材料相关，并且具有合适的稳定性和电导率。然后，他们开始合成这种材料，最终将其制成了一个原型电池。而且它成功了。
太平洋西北国家实验室位于华盛顿州Richland的材料科学家Vijay Murugesan说：“那时我们非常兴奋。”从合成阶段到功能性电池大约需要六个月的时间。“这速度真是快。”
新的电解质类似于一种含有锂、钇和氯的已知材料，但将一些锂替换为钠——这是一种优势，因为锂昂贵且需求量大。
将锂和钠结合在一起是不寻常的。“在通常的方法中……我们不会将这两种材料混合在一起，”未参与研究的佛罗里达州立大学（Tallahassee）材料科学家Yan Zeng说。通常的做法是只使用锂离子或钠离子作为导体，而不是两者都用。两种离子类型可能会相互竞争，导致性能变差。这种不正统的材料突显了人工智能在研究中的一种希望：“人工智能可以打破常规。”
在新的研究中，研究人员创建了一系列人工智能模型，可以根据已知材料的训练数据预测材料的不同性质。这种人工智能架构被称为图神经网络，其中系统被表示为一个图，一个由“边”和“节点”组成的数学结构。这种类型的模型特别适用于描述材料，因为节点可以代表原子，边可以代表元素之间的键。
为了进行人工智能和基于物理学的计算，团队使用了微软的Azure Quantum Elements，它提供了一个为化学和材料科学研究量身定制的云超级计算机。
贝克说，这个项目是技术圈中所谓的“自己吃自己的狗粮”的一个例子，即公司使用自己的产品来确认其是否有效。他表示希望未来其他人能够利用这个工具，并将其用于各种科学事业中。
这项研究是利用人工智能发现新材料的众多努力之一。去年11月，谷歌DeepMind的研究人员在12月7日的《自然》杂志上报告说，他们利用图神经网络预测了数十万种稳定材料的存在。在同一期《自然》杂志中，Zeng等人报告了一个由人工智能操作的实验室，旨在自主地生产新材料。
