如何從數百種材料找出金屬玻璃適用材料？科學家用AI加快200倍研究速度

人工智慧應用的範疇越來越廣了，美國西北大學在Science Advances發表論文，以人工智慧幫助開發金屬玻璃，篩選數百種材質並找到3種能混合為金屬玻璃的材料。開發團隊表示，以人工智慧輔助開發，較傳統方法快了200倍。

金屬玻璃另一個較為人所知的名稱為液態金屬，但是液態金屬（Liquidmetal）為加州理工學院研究團隊所開發的非晶態金屬合金的專利商業名稱，iPhone SIM卡取卡針便是以液態金屬打造。大部分金屬的原子以有序的結構排列，而金屬玻璃的原子則以無序排列，不只比鋼更堅固，也更輕更防腐蝕又耐磨，因此有很高的商業價值。

但過去50年，數百萬種可能可以製成金屬玻璃的材料，只有數千種被試驗過。現在西北大學、美國能源部SLAC國家加速器實驗室以及美國國家標準與技術研究院（NIST）的科學家們共同合作，以較少的時間與成本，應用人工智慧從一堆性質難以捉摸的材料中，篩選出可以製造金屬玻璃的成分。

研究團隊結合SLAC史丹佛同步輻射光源（SSRL）系統以及機器學習，篩選了數百種的成分，並找到3種可以製成金屬玻璃的成分，比起以前快了200倍。西北大學McCormick工程學院材料科學與工程教授Chris Wolverton表示，傳統從發現材料到商業應用，通常需要10年的時間，最快也要2年。

過去50年科學家研究了6,000種金屬玻璃的成分，研究團隊表示，現在他們一年就可以研究20,000種。

研究團隊一開始將這50年來，6,000種金屬玻璃材料的研究資料放入機器學習中訓練，並由第一輪的演算法中得到了2種樣品合金，再以SSRL X光掃描這2種合金，並將取得的資料重新輸入機器學習。這樣的過程經過3輪後，發現金屬的成功率從3百到4百個中發現1個，提升到了2個到3個，而他們用於新製造金屬玻璃的3種成分，其中有2種從未用於金屬玻璃製造。

研究團隊以科學量測預測結果，並將這些資料回饋到機器學習的訓練資料，SSRL的科學家同時也是論文的共同作者Apurva Mehta表示，這種研究方法將會顛覆材料科學以及化學界。