近二十年來，機器學習方法的發展為我們的生活帶來許多便利。智能網絡搜索、語音識別，乃至無人超市、無人駕駛汽車等，依托于機器學習方法的新事物正迅速地在生活中普及。Alpha Go的橫空出世更讓世界驚嘆于人工智能的潛在價值。在科研領域，大數據的理念正在改變著科研人員對未知世界的探索方式。美國在2011年提出了材料基因組計劃（Materials Genome Initiative），以期加快材料的研發過程。我國懷柔科學城的發展規劃中，“材料基因組研究平臺”項目已全面開工建設。高通量實驗+高性能計算+深度數據分析的研究方式已經成為時代發展的趨勢。
在非(fei)晶(jing)(jing)(jing)合金研究領域，如何(he)設計并開發(fa)出具(ju)有良好玻(bo)璃形成能力(li)的(de)(de)合金，是一個具(ju)有重要產業價(jia)值的(de)(de)科(ke)學(xue)問題(ti)。過去(qu)非(fei)晶(jing)(jing)(jing)合金材(cai)料(liao)新體系(xi)的(de)(de)探索主要依據經驗性(xing)判據的(de)(de)指(zhi)導，由于(yu)其準(zhun)確性(xing)與通用性(xing)的(de)(de)限制，非(fei)晶(jing)(jing)(jing)新材(cai)料(liao)的(de)(de)研發(fa)速度非(fei)常緩慢。如何(he)提高(gao)材(cai)料(liao)設計的(de)(de)效率，尋(xun)找具(ju)有更優性(xing)能的(de)(de)材(cai)料(liao)，是非(fei)晶(jing)(jing)(jing)材(cai)料(liao)領域非(fei)常具(ju)有挑(tiao)戰(zhan)性(xing)的(de)(de)問題(ti)。
中國科學院物理研究所/北京凝聚態物理國家實驗室（籌）汪衛華研究組博士研究生孫奕韜在研究員汪衛華、白海洋及中國人民大學物理系教授李茂枝的指導下，使用機器學習的方法，對二元合金的玻璃形成能力進行了系統分析，建立了合金成分與性能之間的關聯，并對可能的新材料進行了預測。研究過程中使用了支持向量機（Support Vector Machine）這種方法（圖1），通過構建多維空間，并在這個多維空間內對數據進行分割，從而建立輸入參量與輸出參量之間的關聯。
圖1. 支持向(xiang)量(liang)機(ji)方法的基本過(guo)程，包括四個主要部分：數據(ju)庫(ku)的建立，模(mo)型的訓(xun)練，模(mo)型的評估，以(yi)及最優模(mo)型的預測。
該研究方(fang)法可(ke)(ke)通過不斷選擇新的(de)(de)參數(shu)對模型(xing)進行重復訓練，探討了合金的(de)(de)不同性質對其(qi)玻璃形成(cheng)能(neng)力(li)的(de)(de)影響（圖2）。研究發現，參量Tliq（表(biao)征(zheng)(zheng)合金過冷能(neng)力(li)的(de)(de)參量）與(yu)合金的(de)(de)玻璃形成(cheng)能(neng)力(li)有最(zui)為(wei)顯著的(de)(de)關聯，而且使用(yong)參量Tliq與(yu)Tfic（表(biao)征(zheng)(zheng)合金熱穩定性）作為(wei)輸入(ru)參數(shu)，可(ke)(ke)以(yi)得到具有最(zui)佳預測效率的(de)(de)模型(xing)。
圖2. 不同(tong)的(de)輸入參數得到的(de)模型的(de)預(yu)測結(jie)果。
通過對(dui)最佳模型(xing)的(de)分析(xi)，發現(xian)已知(zhi)的(de)具有(you)良好玻(bo)璃形成能力的(de)二(er)元合(he)金(jin)，其(qi)分布(bu)與(yu)模型(xing)的(de)預測值具有(you)很(hen)好的(de)一(yi)致性（圖3）。
圖3. 最(zui)優模型的(de)預測結果。已發(fa)現的(de)優秀(xiu)材料與模型預測（紅色區域）有很好的(de)一致(zhi)性。
使用這(zhe)個(ge)模型，可以(yi)對未知的合金成(cheng)分進行預(yu)測(ce)，這(zhe)樣由深(shen)度數據分析指(zhi)導(dao)設計(ji)的實驗，可以(yi)極大地縮短(duan)非晶(jing)合金材料的研(yan)發周(zhou)期（圖4）。
圖4. 最優模型預測得到最佳(jia)玻璃形成能(neng)力的合金體系的成分云圖。
該工作作為使(shi)用(yong)新的工具對經典問題進行分析(xi)的一(yi)種嘗(chang)試(shi)，得到了初步(bu)成果。這表明，機(ji)器(qi)學(xue)習的方法(fa)在非晶材料設計與研(yan)發領(ling)域具有重(zhong)要的應用(yong)前景。采用(yong)更全(quan)面、完善的數據庫，運用(yong)更深入的人工智(zhi)能(neng)算法(fa)，機(ji)器(qi)學(xue)習方法(fa)能(neng)夠為非晶等領(ling)域科研(yan)人員提(ti)供更精準的信息，進一(yi)步(bu)加(jia)速材料的研(yan)發過程。
這項研(yan)(yan)究(jiu)(jiu)結果發表在J. Phys. Chem. Lett. 8， 3434（2017）上(shang)。該(gai)項研(yan)(yan)究(jiu)(jiu)工作得到國家(jia)自然科學基金項目（51571209，51461165101）、科技部“973”項目（2015CB856800）和中科院前(qian)沿科學關鍵(jian)研(yan)(yan)究(jiu)(jiu)項目（QYZDY-SSW-JSC017）的支持(chi)。
隱石檢測擁有(you)一批在業(ye)(ye)內(nei)(nei)取得顯著成(cheng)(cheng)就的(de)專(zhuan)業(ye)(ye)技術(shu)人員，在行業(ye)(ye)內(nei)(nei)有(you)著豐富的(de)檢測經(jing)驗。秉承著專(zhuan)注(zhu)、專(zhuan)業(ye)(ye)、高(gao)效、想客(ke)戶(hu)所想的(de)理(li)念，公司(si)積極增(zeng)加項(xiang)目和完善更先進的(de)測試儀器設備，保障每一個檢測，分(fen)析，研發(fa)任務優(you)質(zhi)高(gao)效的(de)完成(cheng)(cheng)。同時(shi)(shi)通過專(zhuan)業(ye)(ye)所長(chang),為(wei)全(quan)球(qiu)數萬家(jia)優(you)質(zhi)客(ke)戶(hu)提供最及時(shi)(shi)的(de)行業(ye)(ye)技術(shu)標(biao)準信息，和更高(gao)精尖的(de)分(fen)析檢測解決方案。
隱石檢測(ce)分別(bie)成立(li)了閥(fa)門實驗室(shi)，腐蝕實(shi)驗室，金相實驗室，力學實驗室，無損實驗(yan)室，耐候老化實驗室(shi)。從事(shi)常壓儲罐(guan)檢測，鍋爐能(neng)效檢測，金(jin)屬(shu)腐(fu)蝕檢(jian)測(ce)，SSC應(ying)力腐蝕檢測，HIC抗氫致(zhi)開裂檢測，閥門(men)檢測，應(ying)力應(ying)變檢測，無損探傷檢(jian)測，機(ji)械設備檢測，金相(xiang)分析，石墨烯納(na)米(mi)材料檢測，水質檢測，油品檢測涉(she)及的服(fu)務范圍已廣泛覆蓋到鋼鐵(tie)材(cai)料(liao)(liao)(liao)，有色金屬材(cai)料(liao)(liao)(liao)，石油化工設備(bei)，通(tong)用機械設備(bei)，冶金礦(kuang)石，建筑工程材(cai)料(liao)(liao)(liao)、航空航天材(cai)料(liao)(liao)(liao)，高鐵(tie)船(chuan)舶材(cai)料(liao)(liao)(liao)，汽車用零部件、非(fei)金屬材(cai)料(liao)(liao)(liao)，電(dian)子電(dian)工產(chan)品(pin)等各個領(ling)域(yu)，并獲得了CMA和CNAS;雙重認(ren)可。
官網微信
