科学家使用机器学习加速材料发现

一种新的计算方法将提高对不同碳状态的理解，并指导寻找尚未发现的材料。美国能源部 (DOE) 阿贡国家实验室的科学家们最近展示了一种通过结合机器学习 (ML)和高性能计算来识别和探索有前景的新材料的自动化过程。新方法可以帮助加速有用材料发现和设计。

该算法使用单元素碳作为原型，预测了原子在很宽的温度和压力范围内排列自身以构成不同物质的方式。从那里，它构建了一系列科学家所谓的相图——一种有助于指导他们寻找新的有用物质状态的地图。

该算法成功地预测了众所周知的碳相图，并且计算机生成的相图证实并阐明了几个尚未解释的实验观察结果。获 取 更多前沿科技 研究 进展访问：https://byteclicks.com

在本研究中，该算法仅适用于碳。未来，科学家们希望将同样的方法应用于不止一种元素的系统。将 机器学习 算法应用于更复杂的系统可能会对有用材料的发现和设计产生广泛影响。

相关研究成果发表在《自然通讯》上。