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。
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。
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。
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。
