中國粉體網訊  3月15日，杭州電子科技大學機械工程學院董源教授研究團隊將人工智能、深度學習、對抗生成技術與新材料的研發相結合，研究出針對石墨烯/氮化硼復合二維材料的人工智能系統。

傳統的材料學硏究中，新材料需要經歷理論發現、實驗室制備、工程化制造和實際應用等階段，這一過程至少需要20至30年，造成材料科研“耗時耗力”。將人工智能應用到新材料研發中，是解決目前材料研發周期過長、代價過高的一種新嘗試。

董源研究團隊采用大規模高通量計算收集了大量的結構-帶隙之間的關聯數據，作為人工智能的學習數據集。他們構建了數套深度卷積神經網絡，可以學習已有的結構-帶隙數據，精確預測不在數據集之中的任意新型結構的帶隙，精確度可高達95%。

“這一類材料的帶隙可以在導體與寬禁帶半導體之間廣泛可調，并且高度依賴原子的空間排布，在高性能存儲、光電器件中具有重要應用潛力。”董源指出。

在進一步研究中，董源團隊希望人工智能能夠承擔起一位材料科學家的角色，也就是可以根據用戶需求主動設計材料。

“我們采用了近年來備受關注的對抗生成網絡(GAN)來實現這一目的。”董源說。通過將深度卷積網絡中的“隱藏神經層”與對抗生成網絡中的“判別器”嵌合在一起，他們所設計的“條件生成對抗網絡”可以做到根據用戶對帶隙的需求，自動生成新的石墨烯/氮化硼材料結構，且準確度依然可以達到90%左右。

董源團隊還通過對隱藏神經層進行數據降維，觀測到條件生成對抗網絡跟蹤材料結構與物性之間耦合關系的過程，對人工智能在材料科學應用中的可解釋性做出了部分闡述。

日前，浙江省發布了《浙江省新材料產業發展“十四五”規劃》，明確提出力爭到2025年，初步建成全球有重要影響力的新材料產業高地。

“人工智能加速新材料研發這一領域的進展是激動人心的，迫切需要材料領域、信息科學領域的科學家以及材料產業專家精誠合作、緊密團結來推動它的發展。”董源表示。

（中國粉體網編輯整理/山川）

注：圖片非商業用途，存在侵權告知刪除