在適當的條件下， 一種被稱為金屬玻璃的未來合金， 會比現在的鋼材更堅固輕便， 也更耐腐蝕和磨損。 過去50年中， 人們在數百萬種可能的成分組合中， 已經評估過幾千種， 但只有少數幾種可能是有用的。
現在， 由美國能源部SLAC國家加速器實驗室、國家標準與技術研究院(NIST)和西北大學的科學家領導的一個科學小組報告， 他們找到了發現和改進金屬玻璃的捷徑， 僅用較少時間和成本， 就能發現新材料。
發現新材料速度快200倍
理想的狀況是， 將兩種或三種金屬融合在一起， 會得到看起來像金屬的合金，
科學小組利用斯坦福同步輻射光源中一個結合了機器學習的新系統， 能快速篩選數百種樣品材料， 使團隊發現了3種新混合物製成的金屬玻璃成分， 速度比以前快200倍。
西北大學教授克裡斯·沃爾夫頓是使用電腦和人工智慧預測新材料的先驅， 也是論文合作者之一。 他說， 通常需要十年或二十年的時間， 新材料才能完成從發現到商用的過程， “這一成果極大縮短了新材料發現所花費的時間。 ”
材料科學的前景將改變
在過去的半個世紀裡， 科學家一共才研究了大約6000種金屬玻璃的組成成分， 而這套新系統能夠製作並篩選20000種成分。
雖然有其他團隊也在使用機器學習預測尋找不同種類的金屬玻璃， 但此次科學家通過實驗的快速驗證和預測， 然後將結果迴圈到下一輪機器學習和實驗中， 是此次進步的獨特之處。
實際上， 這種方法可以用於各種實驗， 特別是在尋找材料， 如金屬玻璃和催化劑方面大有裨益。 NIST材料研究工程師傑森·海垂科-席目爾說，
為全球科學家提供實用工具
該論文是美國能源部資助此專案的第一個科學成果， SLAC正在與矽谷人工智慧公司Citrine Informatics合作， 改變了新材料的發現方式， 為全世界科學家提供了實用的工具。
該公司由斯坦福大學和西北大學的前研究生創立， 他們創建了一個材料科學資料平臺， 其中試算表和實驗室筆記中的資料以一致的格式存儲， 所以能用來供人工智慧系統學習使用。
近來， 評估新材料的速度非常緩慢， 即使每天都可以檢測5種潛在類型的金屬玻璃， 仍要花上一千年時間來研究每一種可能的金屬玻璃組合， 以克服有毒、昂貴成分， 或去掉易碎的性質等。
沃爾夫頓說， 最終的目標，