这是一个充满变革的时代，人工智能（AI）与材料科学的深度融合正在以前所未有的速度重塑科学发现的格局。这种融合预示着在能源、医学、计算和基础设施等多个领域取得突破的可能性。南加州大学（USC）维特比工程学院，与多恩西夫文理学院携手，站在了这场革命的前沿，大力投资于量子信息科学、先进材料以及加速创新的计算工具领域的研究与教育。由南加州大学校长 Carol L. Folt 领导的一项耗资 10 亿美元的计算研究与教育计划，凸显了该大学对这些领域的承诺，特别是对 AI 和机器学习的重视。
传统上，材料科学面临的核心挑战在于模拟原子层面材料行为的复杂性。传统方法在计算能力上受到限制，通常只能模拟几百个原子，这极大地限制了它们在实际问题中的应用。然而，南加州大学维特比学院的最新进展正在 dramatic 地改变这一局面。由计算机科学系 Aiichiro Nakano 教授领导的研究人员开发了一种新颖的机器学习框架，能够同时模拟数十亿个原子的行为——比之前可实现的规模扩大了 1000 万倍。这一飞跃性的进展，得益于机器学习的强大力量，为深入了解光与材料的相互作用提供了前所未有的机会，为设计具有特定光学特性的材料打开了大门。这种能力不仅限于光的控制；研究人员还利用纳米科学分析来模拟裂纹形成点的原子行为，这对于理解和预防腐蚀至关重要。其潜在应用前景广阔，从自愈合混凝土和碳捕获建筑材料，到更有效的储能解决方案和用于喷气发动机的先进合金，涵盖了多个领域。
AI 的影响远不止于模拟。新材料的发现正被 AI 驱动的方法从根本上改变。谷歌的材料项目，在谷歌 DeepMind 的贡献下，已经编录了数十万种新化合物，证明了 AI、超级计算和实验数据的结合所具有的强大力量。Meta 最近发布的 Open Materials 2024 (OMat24) 数据集和模型进一步推动了这一势头，为研究人员提供了加速 AI 驱动的材料发现的宝贵资源。此外，由美国国家标准与技术研究院 (NIST) 开发的 CAMEO 等系统，展示了一种闭环方法，其中 AI 自动设计并执行实验，迅速迭代以实现所需的材料特性。在南加州大学，这转化为对具有变革性技术潜力的材料的探索，包括用于超级计算机的超导体和用于电动汽车的下一代电池。南加州大学的计算材料研究也在理解具有编织篮状原子结构的金属的独特超导行为方面取得了突破，这为具有奇异特性的量子材料的发展铺平了道路。南加州大学维特比学院新开设的化学工程和材料科学硕士学位，旨在培养毕业生来引领这个蓬勃发展的领域。
然而，AI 在材料科学中的成功不仅仅取决于算法和数据。它还涉及到解决这些计算密集型过程的能源需求。南加州大学维特比学院的研究人员正在积极探索使 AI 和其他高需求应用计算更节能的方法，他们认识到可持续创新至关重要。此外，该领域正在承认当前 AI 系统的局限性。虽然 AI 证明了其令人难以置信的有用性，但它并非万能药。正如一位 Quora 回答者所指出的，不同的配置可以产生不同的结果，而且并非每个问题都能通过深度学习来解决。尽管存在这些挑战，AI 与材料科学之间的双向关系是明确的：AI 正在加速材料科学领域的发现，而新材料的开发反过来又促进了 AI 的发展。这种协同关系，加上对高性能计算基础设施的持续投资以及像 Erich Bloch 研讨会这样专注于材料设计和创新的举措，将南加州大学维特比学院定位为塑造材料科学与工程未来的关键角色。对受大脑启发的计算的持续探索以及实验室自动化的进步，创造了自运行的 AI 驱动实验室，这进一步证明了对推动可能性边界的承诺。
发表回复