據外媒報道，由康奈爾大學（Cornell）領導的研究小組，利用所開發的人工智能系統發現一種材料，有望制造更高效燃料電池。該系統依賴于眾多算法機器人程序，每個執行不同的任務，篩選成百上千的元素組合，創建相位圖，即原子之間的排列，人類可以據此確定哪些是可以使用的新材料。

 

       康奈爾大學計算科學教授、主要研究人員Carla Gomes教授表示：“問題迫使我們開發全新的方法，真正推進人工智能前沿領域，獲得物理上有意義的解決方案。”當時，研究人員正在尋找一種催化劑，以改進汽車燃料電池。這種催化劑能讓汽車用甲醇替代難以儲存的氫，甲醇的效率可能要高得多。

 

       加州理工學院的研究員John Gregoire博士表示：“但是，我們已知的材料中，都不能充當有效的甲醇氧化催化劑，因此需要一種新材料。想要找到可行的催化劑，需要對元素周期表上的所有元素進行組合，這個數量太大了，不能做傳統實驗。”

 

       研究人員還需要了解材料的晶體結構或相結構，因為固體可能具有多種相結構，而每一種結構作為催化劑的行為都不同。“人類可以解決包含兩個元素的簡單合成系統的相位圖，”Gregoire說，“但是，超過兩個元素時，人類需要處理的信息太多，因此需要人工智能的幫助。然而，現有機器學習方法并不適合嚴苛的科學研究。因為解決方案不僅必須是可信的，而且必須遵守物理和化學定律。“

 

       為了迎接這一挑戰，Gomes和同事開發名為“晶體”（CRYSTAL）的系統，用于晶體相位映射。該系統包括多個機器人程序，分別負責問題的不同部分，預測各種組合的相位結構，并確保這些預測符合熱力學規則。機器學習系統通常學習使用大量帶注釋的訓練數據解決問題。例如，通過標記為“狗”或“貓”的圖像集訓練區分狗和貓的算法。但是，在此次研究中，沒有現成的標記數據，因此，CRYSTAL需要能夠從無標記數據中得出推論，這一過程被稱為無監督學習。“對于單一系統來說，這將是壓倒性的，是不可能實現的。”Gomes 說，“但是，如果我們靈活地將多代理系統集中在一起，就能夠快速找到解決方案，并滿足所有的條件。“Gomes稱，CRYSTAL的靈感部分來自IBM沃森超級計算機。

 

       通過CRYSTAL系統，研究人員識別出一種獨特的催化劑，它由三種元素結晶成一定的結構，對甲醇氧化有效，可以用于基于甲醇的燃料電池。Gregoire表示:“這一重要發現，挑戰我們對催化的理解，也是設計下一代催化劑的重要研究方向。”