由Phillip M. maffetone博士(目前在厄普顿的国家同步光源II)领导的团队，杏耀主管美国)和安德鲁·库珀教授的化学和材料创新工厂利物浦大学与Bochum-based集团为首的Lars Banko教授阿尔弗雷德·路德维希从椅子上材料的发现和接口和尤里·Lysogorskiy跨学科中心的先进材料模拟。这个国际团队于2021年4月19日在《自然计算科学》杂志上发表了他们的报告。

 

x射线衍射数据(XRD)的高效分析在新材料的发现中起着至关重要的作用，例如未来的能源系统。它被用来分析新材料的晶体结构，以找出它们可能适合的应用。近年来，通过自动化和在测量材料库时提供大量数据，XRD测量已经显著加快了速度。Alfred Ludwig说:“然而，XRD分析技术在很大程度上仍然是手动的、耗时的、容易出错的、不可扩展的。”“为了在未来利用自主高通量实验更快地发现和优化新材料，我们需要新的方法。”

 

在他们发表的论文中，该团队展示了如何利用人工智能使XRD数据分析更快、更准确。解决方案是与科学家合作的一种被称为晶体学伴侣代理(XCA)的人工智能代理。XCA在测量过程中可以根据XRD数据进行独立的相识别。该试剂适用于有机和无机材料体系。这是通过物理正确的x射线衍射数据的大规模模拟实现的，该数据用于训练算法。

 

模拟专家讨论

 

更重要的是，该团队适应当前任务的agent的一个独特特点是，它克服了传统神经网络的过度自信:这是因为即使数据不支持一个确定的结论，这种网络也会做出最终的决定。而科学家会与其他研究人员交流他们的不确定性并讨论结果。拉尔斯·班科解释说:“群体决策的过程是由神经网络集成模拟的，类似于专家投票。”在XCA中，杏耀平台总代理可以这么说，一个神经网络集成组成了专家小组，向研究人员提交建议。Banko说:“这种方法不需要人工标记数据， 杏耀平台总代结缘，而且对于许多复杂的实验来源都很可靠。”

 

XCA也可以扩展到其他形式的表征，如光谱学。“通过补充自动化和自主实验方面的最新进展，这一进展构成了加速新材料发现的重要一步，”Alfred Ludwig总结道。