材料科学家一直在努力寻找具有特定性质的新材料，但他们必须费力处理的实验数据是压倒性的。罗切斯特大学的科学家使用机器学习来快速追踪新材料的发现。
晶体材料具有有序、重复的晶格结构，原子、离子或分子的规则、重复排列。这些晶格的排列是什么赋予材料特定的性质。
想要一种坚硬、耐高温、重量轻的材料吗？你必须得到正确的晶格结构来实现这一点。
当材料科学家合成少量新材料时，他们想知道它将具有什么样的性质来决定它是否适合于特定的应用。
他们使用一种称为X射线衍射（XRD）的方法来实现这一点。材料样品通常被磨成细粉，然后暴露在X射线下。当X射线击中材料中的原子时，它们会根据原子排列的不同方向衍射。
衍射的X射线在探测器上创建了一个图案，科学家需要分析该图案以推断材料的属性。问题是XRD产生的大量数据超出了人类有效处理的能力。
自动进行材料分析
该研究由材料科学博士生Jerardo Salgado领导，开发了深度学习模型，以根据其XRD图案自动分类材料。
他们使用的机器学习模型采用了卷积神经网络(CNN)，这是一种非常擅长执行图像识别和分类任务的神经网络。
这些模型是在合成XRD图谱的大型数据集上进行训练的，这些图谱的生成代表了广泛的实验条件和材料类型。
该项目负责人、罗切斯特大学机械工程教授Niaz Abdolrahim说：“这些图像中隐藏着大量的材料科学和物理学，世界各地的设施和实验室每天都在产生TB的数据。
在解释他所在领域的机器学习的好处时，Abdolrahim说：“开发一个好的模型来分析这些数据，真的可以帮助加快材料创新，了解极端条件下的材料，并为不同的技术应用开发材料。”
使用机器学习模型来过滤XRD数据可以加快更快的电子产品、更好的电池，甚至是具有增强耐用性、功能性或可持续性的日常用品的开发。
原子压力物质研究中心的研究人员对机器学习的这种应用特别感兴趣。使用X射线衍射仪，同时将材料暴露在极端压力和温度下，将有助于科学家不仅发现创造新材料的方法，还将了解恒星和行星的形成。
使用人工智能将科学头脑从单调乏味的数据分析中解放出来，他们的创造性思维将更好地针对设计将塑造我们未来的材料。
