利物浦大学的研究人员发明了一种协作式人工智能工具，可以减少发现真正的新材料所需的时间和精力。
据《自然通讯》杂志报道，这种新工具已经导致了四种新材料的发现，包括一种新的可导电锂的固态材料家族。这种固态电解质将是固态电池发展的关键，为电动汽车提供更长的续航里程和更高的安全性。更有前途的材料正在研制中。
该工具将人工智能和人类知识结合在一起，优先考虑那些未开发的化学空间中最有可能发现新功能材料的部分。
发现新的功能材料是一个高风险的、复杂的、经常是漫长的旅程，因为通过结合元素周期表中的所有元素，有一个无限的可能材料的空间，而新材料存在的地方是未知的。
这个新的人工智能工具是由利物浦大学化学和材料创新工厂的研究人员开发的，由Matt Rosseinsky教授领导，以应对这一挑战。
该工具以人类无法达到的规模来研究已知材料之间的关系。这些关系被用来识别可能形成新材料的元素的组合和数字排列。这些排名被科学家们用来有针对性地指导对巨大的未知化学空间的探索，使实验研究更加高效。这些科学家根据人工智能提供的不同视角做出最终决定。
该论文的主要作者Matt Rosseinsky教授说:“到目前为止，一种常见而有力的方法是通过与现有材料的近似来设计新材料，但这通常会导致材料与我们已有的材料相似。”
“因此，我们需要新的工具来减少发现真正的新材料所需的时间和精力，比如这里开发的结合了人工智能和人类智能的工具，以充分利用两者。”
“这种合作方式结合了计算机研究几十万种已知材料之间关系的能力，这是人类无法达到的规模，以及人类研究人员的专业知识和批判性思维，从而带来创造性的进步。”
“这个工具是未来可能造福科学家的许多合作人工智能方法之一的一个例子。”
社会解决能源和可持续性等全球性挑战的能力，受到我们设计和制造具有特定功能的材料的能力的限制，比如制造更好的太阳能电池板的更好的太阳能吸收剂，或制造更长距离电动汽车的高级电池材料，或者用毒性较小或稀有的元素替换现有的材料。
这些新材料通过推动新技术来应对全球挑战，从而创造社会效益，它们也揭示了新的科学现象和理解。所有的现代便携式电子产品都是由锂离子电池中的材料实现的，锂离子电池是在20世纪80年代开发的，它强调了一种材料可以如何改变我们的生活方式:确定加速使用新材料的路线，将为我们的未来开启目前难以想象的技术可能性。
论文《化学无监督机器学习指导下结晶无机固体发现的元素选择》(doi: 10.1038/s41467-021-25343-7)发表在《自然通讯》杂志上。
这项研究得到了工程与物理科学研究委员会、利弗休姆信托基金和法拉第研究所的支持。
