著名材料數據庫用戶數突破65萬，對AI可用數據需求增長

2011年，美國能源部勞倫斯伯克利國家實驗室（伯克利實驗室）的一個小團隊啟動了后來成為世界引用最多的材料數據庫的項目。如今，材料項目服務超過65萬用戶，已被引用超過32,000次——但其真正的影響可能才剛剛開始。

當著名計算材料科學家Kristin Persson及其團隊首次創建材料項目（Materials Project）時，他們構想了一個自動化篩選工具，能夠幫助工業界和學術界的研究人員加速設計用于電池和其他能源技術的新材料。一個用戶友好的界面將研究人員免費連接到最大的材料屬性集合。其開源框架——由伯克利實驗室能源部用戶設施國家能源研究科學計算中心（NERSC）的超級計算機支持——將有助于普及材料知識并促進跨學科合作。另一個優勢則是無需編程經驗。

這個開創性數據庫的消息很快在材料科學界傳開，材料項目迅速成為世界上最受歡迎的材料數據提供商之一。到2020年初，多達120,000人——從國家實驗室科學家和工業創新者到好奇的高中生——加入了材料項目社區。現在，材料項目達到了另一個重大里程碑：注冊用戶超過65萬。

這種指數級增長反映了對經過策劃的、可用于機器學習的數據集的激增需求，這些數據集可以立即為AI應用提供動力，而無需大量預處理。數據巨頭和機器學習革命在其14年的運營中，材料項目及其軟件工具已被同行評審的科學期刊發表的研究引用超過32,000次，推動了電池、量子計算、微電子、工業制造催化劑等方面的進步。其計算材料數據庫現在包括超過200,000種材料——從普通金屬到稀有化合物——以及超過577,000種分子。

在過去兩年中，它向用戶交付了465TB的數據——相當于大約1億張高分辨率照片或100,000部電影大片的高清版本�！皺C器學習對材料發現來說是革命性的，因為它使科學家免于在實驗室中測試新化學品和制造新材料時一遍又一遍地重復相同的過程，”材料項目主任兼聯合創始人Persson說�！耙〉贸晒Γ瑱C器學習程序需要訪問大量高質量、經過精心策劃的數據。憑借其龐大的策劃數據存儲庫，材料項目已準備好為AI服務�！�

從一開始，伯克利實驗室的材料項目領導團隊——由Persson（她還擔任伯克利實驗室材料科學系高級科學家和加州大學伯克利分校材料科學與工程教授）、伯克利實驗室科學家和材料項目副主任Anubhav Jain，以及伯克利實驗室高級計算工程師和材料項目技術主管Patrick Huck組成——一直與來自工業界、國家實驗室和學術界的眾多貢獻者密切合作，其中許多人被列為Persson和團隊最近在Nature Materials期刊發表的視角文章的共同作者。

材料項目主任Kristin Persson

他們共同改進了材料項目，增加了更多材料、更好的算法和搜索能力，以及更多樣化的屬性覆蓋。以用戶友好性為指導原則，他們具有遠見，早在AI興起之前的數年就將最先進的機器學習算法構建到系統中，幫助研究人員理解和識別功能材料。“材料項目一直處于促進材料科學機器學習革命的前沿。”Jain說�！霸S多機器學習公司——從初創公司到成熟公司——都依賴材料項目來訓練其預測材料屬性的機器學習模型，他們的工程師和科學家隨后使用這些模型來開發產品�！�

AI就緒：策劃數據的力量

研究人員目前正在尋找新的電池材料，以更有效地為電網或交通儲能，或尋找新的催化劑來幫助提高化學工業的效率。但開放科學文獻中只有不到1%的化合物有實驗數據可用，這限制了對新材料及其屬性的理解。這就是數據驅動的材料科學可以提供幫助的地方�！凹铀俨牧习l現是解鎖新能源技術的關鍵，”Jain說�！安牧享椖吭谶^去十年中實現的是，研究人員通過使用高保真計算模擬，可以了解數十萬種材料的屬性。這反過來又使他們能夠更快地設計材料，并開發機器學習模型來預測他們感興趣的任何應用的材料行為。”

材料項目平臺在國家能源研究科學計算中心（NERSC）使用高通量計算建模來篩選大型材料庫以用于特定目的。屬性使用先進的計算方法計算，并根據現實世界的實驗進行驗證。這種方法允許研究人員快速測試和評估許多不同的材料，加速發現過程。

該平臺還提供標準化數據集，格式化用于訓練機器學習系統，包括關于材料電子密度的詳細信息。這種經過策劃的數據允許研究人員根據性能基準驗證新的AI模型。這種廣泛準備工作消除了通常需要數月來組裝和清理材料數據集的時間，使研究人員能夠專注于開發新的AI算法和進行科學發現。在疫情期間，材料項目的AI就緒能力使材料研究得以繼續，盡管實驗研究實驗室的現場訪問受到限制�！皞鹘y上進行動手實驗室實驗的實驗材料科學家轉向數字工具來分析數據并運行模擬，同時遠程工作。

如今，像材料項目這樣的現代平臺現在被期望全天候運營，以“支持自2022年5月以來增長了2.5倍的用戶社區�！盚uck說。為了支持這一不斷增長的需求，Huck及其團隊與MongoDB（現代應用程序的領先數據庫）、可觀測性平臺Datadog和云計算提供商亞馬遜（Amazon Web Services）等工業合作伙伴合作，將材料項目遷移到基于云的基礎設施，該基礎設施支持從快速屬性搜索到大規模數據下載的所有內容，以及允許實時探索不同材料之間關系的交互式工具。這種創新的云基礎設施確保了99.98%的正常運行時間，這是高可用性的行業標準。

從數據庫到發現材料項目已被全球大學、研究實驗室和公司采用，服務于電池、半導體、催化劑和結構材料的研究。長期用戶豐田研究院（TRI）總部位于加利福尼亞州洛斯阿爾托斯，在馬薩諸塞州劍橋市和密歇根州安娜堡設有設施，一直依賴材料項目的開源工具和數據來開發新材料。TRI是豐田汽車公司的研發和科學開發子公司，專注于開發人工智能、車輛自動化、材料科學和機器人技術。

“材料項目通過為整個研究社區提供透明開發的開源工具，成為工業界和學術界的強大橋梁。幾乎每一項專注于材料發現AI的工業工作——無論是在成熟公司還是初創公司——都由在材料項目受過訓練的眾多才華橫溢的年輕科學家中的一員領導。他們的印記無處不在，”豐田研究院副總裁Brian Storey說。

微軟公司也使用材料項目來訓練材料科學模型，最近開發了一種稱為MatterGen的工具，這是一種用于無機材料設計的生成模型。微軟Azure量子使用材料項目的數據開發了一種新的電池電解質。其他著名研究使用材料項目成功設計用于有前途的新應用的功能材料。2020年，加州大學圣塔芭芭拉分校、阿貢國家實驗室和伯克利實驗室的研究人員合成了Mn1+xSb，這是一種對電子、汽車、航空航天和能源應用中的熱冷卻有前景的磁性化合物。研究人員通過材料項目對超過5,000種候選化合物的篩選發現了這種磁熱材料。

除了訪問龐大的數據庫外，材料界還可以通過一個稱為MPContribs的平臺向材料項目貢獻新數據。這允許國家實驗室設施、學術機構、公司和其他已經生成大量材料數據集的組織與更廣泛的研究社區共享這些數據。其他社區貢獻通過新材料預測和實驗驗證擴展到了以前未探索的領域。例如，谷歌Deepmind——谷歌的人工智能實驗室——使用材料項目訓練了初始GNoME（用于材料探索的圖網絡）模型來預測晶體的總能量，這是材料穩定性的一個關鍵指標。通過2023年在Nature期刊上發表的工作，谷歌Deepmind向材料項目貢獻了近400,000種新化合物，擴展了平臺龐大的材料屬性和模擬工具包。材料項目貢獻或管理的注冊到能源部科學與技術信息辦公室（OSTI）數據ID服務的數據集比任何其他平臺都多，這標志著其在開放科學和數據共享方面的領導地位，并通過谷歌數據集搜索等搜索引擎設定了數據管理和可訪問性標準。如今，它只是能源部科學辦公室的七個公共可重用數據資源之一，這些資源使策劃的數據公開可用，以進一步科學發現和技術知識。該平臺龐大的材料數據庫不僅有助于激發新能源技術，還激發了下一代材料科學家。

“公立和私立大學的研究生、博士后和教授依靠材料項目24/7作為他們研究的資源。我們現在平均每天被研究論文引用超過六次這一事實表明，材料項目在短短十年中已成為多少教育資源，”Huck說。連接到自主實驗室隨著材料科學擁抱數據驅動的發現，材料項目的經過策劃的數據集使其成為AI驅動的材料設計的重要基礎設施。該平臺正在繼續發展其機器學習能力，計劃增強計算方法和改進對復雜材料行為的處理�！拔覀円恢痹诠ぷ鞯囊粋�令人興奮的領域是將這個模擬管道與伯克利實驗室A-Lab進行的自主實驗連接起來。我們不僅在計算機中模擬事物，而且還將新材料帶入現實，”Jain說。

A-Lab是一個全自動實驗室，使用由人工智能引導的機器人來加速材料科學發現。自2023年推出以來，A-Lab與材料項目合作，合成了對未來技術有前景的新材料。這種全面數據覆蓋、嚴格質量標準和社區驅動擴展的組合創造了加速具有特定期望屬性的新材料發現時間表的基礎，Jain補充說。