在科技飞速发展的今天，电子材料的革新对于推动太阳能电池、晶体管、LED以及电池等技术的进步至关重要。为了更快地发现并优化这些材料，美国麻省理工学院的工程师们在计算机视觉技术领域取得了突破性进展，这一成果发表在了《自然·通讯》杂志上。他们开发的新技术能够显著加速新合成电子材料的特性分析，使得材料的探索之旅迈上了高速路。
日本国立材料科学研究所NIMS 研究团队开发了 NIMS 协调系统 (NIMS-OS)——一种通用软件，能够将材料搜索人工智能 (AI) 系统与自动化实验系统紧密协调。NIMS-OS 无需人工干预即可进行材料搜索，现在作为开源软件向公众开放。
美国能源部阿贡国家实验室的一组研究人员开发了一种名为 Polybot 的新型科学工具，它将人工智能与机器人技术相结合。据称，该工具将通过加速具有多种应用（从可穿戴生物医学设备到更好的电池）的材料的发现过程，彻底改变聚合物电子学研究。研究结果发表《材料化学》上。
美国威斯康星大学麦迪逊分校（University of Wisconsin–Madison）Dane Morgan教授领导的研究团队使用人工智能来快速且经济高效地从科学文献中提取信息，以评估和搜索新型材料。
美国研究人员使用人工智能（AI）来设计超越自然界的新蛋白质。他们开发的机器学习算法，可生成具有特定结构特征的蛋白质，这些蛋白质可用于制造具有特定机械性能（如刚度或弹性）的材料，从而取代作为原料的石油或陶瓷。研究论文发表在最新一期《化学》杂志上。
长效注射剂（LAI）是治疗慢性病最有前途的治疗策略之一，是一类先进的药物递送系统，可以提高治疗效果、安全性和患者依从性。传统的药物制剂开发依赖于反复试错，需要开展广泛且耗时的体外实验，然而，这种试错法对聚合物LAI的开发带来了重大挑战。近期，多伦多大学的研究人员利用机器学习（ML）方法来帮助解决LAI开发中的这一瓶颈问题。
美国加州大学圣地亚哥分校工程学院的纳米工程师开发了一种人工智能（AI）算法，可几乎即时地预测任何材料（无论是现有材料还是新材料）的结构和动态特性。此项研究成果28日发表在《自然·计算科学》杂志上。
美国能源部国家加速器实验室（SLAC）和斯坦福大学的研究人员利用机器学习辅助方法加速了X射线自由电子激光探测技术，并将其扩展到以前无法研究的材料。
上海交大姚振鹏副教授团队在《Nature Reviews Materials》发表人工智能加速材料发现综述论文，为机器学习在能源材料、设备、管理等领域的相关推动作用提供了前瞻方向。
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。
北卡罗来纳州立大学和布法罗大学的研究人员开发并展示了一个“自动驾驶实验室”，该实验室使用人工智能 (AI) 和流体系统来促进我们对金属卤化物钙钛矿 (MHP) 纳米晶体的理解。这个自动驾驶实验室还可用于研究广泛的其他半导体和金属纳米材料。
一种新的软件工具可以通过减少对材料特性的繁琐背景研究来加速材料科学研究。宾夕法尼亚州立大学和桑迪亚国家实验室的研究人员最近在编程平台 MATLAB 上推出了开源软件 propSym来辅助材料建模研究，用于计算描述金属、陶瓷或复合材料等固体物理特性所需的基本常数。
马丁路德大学哈勒-维滕贝格 (MLU)、弗里德里希席勒大学耶拿大学和瑞典隆德大学的团队开发设计了一种新算法来帮助发现以前未知的材料化合物。研究人员设计了一种基于机器学习的人工智能 (AI) 形式，可以在很短的时间内执行复杂的计算。这使该团队能够使用计算机识别数千种潜在的新化合物。该研究发表在《科学进展》杂志上。
据外媒报道，如果可以可靠地预测材料的特性，那么为大量行业开发新产品的过程就可以被简化和加速。在发表在《先进智能系统》上的一项研究中，来自东京大学工业科学研究所的研究人员利用机器学习，用磁芯损耗光谱学来确定有机分子的特性。
利物浦大学的研究人员创造了一种协作性的人工智能工具，它减少了发现新材料所需的时间和精力。在《自然-通讯》杂志上报道，这种新工具已经发现了四种新材料，包括新的传导锂的固态材料系列。这种固体电解质将是开发固态电池的关键，为电动汽车提供更长的续航能力和更高的安全性，更多有前途的材料正在开发中。
来自西北大学和麻省理工学院的跨学科科学家团队使用人工智能 (AI) 技术构建了新的、免费且易于使用的工具，使科学家能够加快发现和研究展示新材料的速度。
