美國高度依賴其他國家為其精煉稀土元素，這既增加了成本，也帶來了安全風(fēng)險。

美國艾姆斯國家實(shí)驗(yàn)室的科學(xué)家們開發(fā)出了一條系統(tǒng)性的路徑，用以發(fā)現(xiàn)不依賴稀土元素制造永磁體的新方法。該方法將基于物理的建模、高通量模擬與基于推理的人工智能工具相結(jié)合，在實(shí)驗(yàn)室真正制造材料之前就指導(dǎo)發(fā)現(xiàn)過程。

永磁體在我們?nèi)粘Ｉ钪兄陵P(guān)重要。從輔助數(shù)據(jù)存儲，到驅(qū)動電動汽車，再到實(shí)現(xiàn)高質(zhì)量醫(yī)學(xué)成像，永磁體無處不在。

使用稀土元素制造的高性能永磁體，被應(yīng)用于國防和能源生產(chǎn)領(lǐng)域。然而，美國高度依賴其他國家為其精煉稀土元素，這增加了成本和安全風(fēng)險。因此，艾姆斯國家實(shí)驗(yàn)室的科學(xué)家們肩負(fù)起開發(fā)不使用稀土元素的永磁體的任務(wù)。

無處不在的人工智能

在人工智能應(yīng)用飛速發(fā)展、任何組織都不愿落后的時代，關(guān)于人工智能工作流程的報(bào)道并不令人意外。然而，要讓人工智能模型表現(xiàn)完美，必須用正確的數(shù)據(jù)對其進(jìn)行訓(xùn)練。

對于通用場景，人工智能模型可以用通用數(shù)據(jù)進(jìn)行訓(xùn)練。但對于需要在材料科學(xué)領(lǐng)域出類拔萃的人工智能，由艾姆斯實(shí)驗(yàn)室科學(xué)家普拉尚特·辛格領(lǐng)導(dǎo)的研究團(tuán)隊(duì)確保，模型是基于實(shí)驗(yàn)測量和科學(xué)計(jì)算出的材料屬性進(jìn)行訓(xùn)練的。唯有如此，才能確保人工智能模型做出的預(yù)測是基于現(xiàn)實(shí)世界的行為。

"當(dāng)你嘗試設(shè)計(jì)新材料時，理解材料的物理特性并將其納入人工智能框架至關(guān)重要。如果只用數(shù)據(jù)來訓(xùn)練模型，你就只能得到現(xiàn)有信息范圍內(nèi)的預(yù)測，"辛格在一份新聞稿中說道。

"但一旦你理解了控制特定屬性的物理原理，你和你的智能工具或人工智能框架就可以搜索任意的材料空間，"辛格補(bǔ)充道。

貫穿全流程

使用這種基于人工智能方法的好處在于，它能利用材料的原子結(jié)構(gòu)和電子行為來確定其屬性。磁化強(qiáng)度、抗退磁能力、能量存儲能力以及永磁體在高溫下的表現(xiàn)，是決定其實(shí)用性的主要參數(shù)。

使用能夠考慮這些因素的人工智能模型，研究人員就能識別出最有前景的候選材料，并通過計(jì)算而非現(xiàn)實(shí)世界的反復(fù)試驗(yàn)來得出可能的結(jié)果。

"艾姆斯實(shí)驗(yàn)室的優(yōu)勢來自其在磁體領(lǐng)域深厚的專業(yè)知識和長久積累的數(shù)據(jù)，這是其他機(jī)構(gòu)所沒有的，"辛格在新聞稿中詳細(xì)闡述道。

"在任何材料設(shè)計(jì)問題中，你都需要在進(jìn)行實(shí)驗(yàn)之前，就知道兩種元素結(jié)合會如何改變其性能。我們一直在構(gòu)建理論和分析工具來回答這個問題，現(xiàn)在我們將人工智能引入這一過程，以加快速度并擴(kuò)大范圍。"

然而，研究人員并未止步于此。人工智能工具還考慮了材料的可用性和成本。由于過去十年供應(yīng)鏈的脆弱性一再暴露，人工智能模型在發(fā)現(xiàn)過程中就將這些條件納入考量，以確保所開發(fā)的材料在現(xiàn)實(shí)中切實(shí)可行并且可以規(guī)?；a(chǎn)。

通過這樣做，在美國尋求減少關(guān)鍵部件對他國依賴之際，研究人員打通了從發(fā)現(xiàn)到工業(yè)化供應(yīng)的全流程。

這項(xiàng)研究成果發(fā)表在《材料科學(xué)與工程》期刊上。

如果朋友們喜歡，敬請關(guān)注“知新了了”！