深造背后的人工智能可能会推动材料设计创新

由于人工智能 (AI) 能够生成令人信服但最终是虚假的人脸图像，因此从计算机屏幕上凝视的人实际上可能并不存在。根据宾夕法尼亚州立大学的科学家的说法，现在同样的技术可能会推动材料设计的下一波创新浪潮。

“我们今天在新闻中听到了很多关于深度造假的消息——人工智能可以生成与真人不符的逼真人脸图像，”材料科学与工程助理教授、计算与数据科学研究所教员 Wesley Reinhart 说共同雇用，在宾夕法尼亚州立大学。“这与我们在研究中使用的技术完全相同。我们基本上只是将这个人脸图像示例换成了高性能合金的元素成分。”

科学家们训练了一个生成对抗网络 (GAN) 来创造新型难熔高熵合金，这种材料可以在保持强度的同时承受超高温，并用于从涡轮叶片到火箭的技术中。

“关于人脸图像的构成或合金的构成有很多规则，你很难知道所有这些规则是什么，或者用手把它们写下来，”莱因哈特说。“这个 GAN 的整个原理是，你有两个基本上竞争的神经网络，以了解这些规则是什么，然后生成遵循规则的示例。”

该团队梳理了数百个已发布的合金示例，以创建训练数据集。该网络具有创建新作品的生成器和试图辨别它们与训练数据集相比是否真实的评论家。科学家们说，如果发电机成功，它就能够制造出评论家认为真实的合金，随着这种对抗性游戏在多次迭代中继续进行，模型会得到改进。

在这次培训之后，科学家们要求模型专注于创造具有特定属性的合金成分，这些成分非常适合用于涡轮叶片。

“我们的初步结果表明，生成模型可以学习复杂的关系，以便按需产生新颖性，”宾夕法尼亚州立大学材料科学与工程教授 Dorothy Pate Enright 的刘子奎说。“这是惊人的。总的来说，这确实是我们在材料科学计算社区中所缺少的。”

研究人员表示，传统或理性设计依赖于人类直觉来寻找模式和改进材料，但随着材料化学和加工变得越来越复杂，这变得越来越具有挑战性。

“当您处理设计问题时，您通常有数十个甚至数百个可以更改的变量，”Reinhart 说。“你的大脑无法在 100 维空间中思考;你甚至无法想象它。因此，这项技术为我们做的一件事就是将其压缩并向我们展示我们可以理解的模式。我们需要这样的工具才能解决这个问题。我们根本无法通过蛮力做到这一点。”

科学家们表示，他们最近发表在《材料信息学杂志》上的研究结果表明，在合金逆向设计方面取得了进展。

“通过合理的设计，您必须一次一个地完成这些步骤中的每一个;进行模拟、检查表格、咨询其他专家，”莱因哈特说。“逆向设计基本上是由这个统计模型处理的。您可以要求具有定义属性的材料，并在几毫秒内获得 100 或 1,000 种可能合适的成分。”

标签：