近二十年來，機器學(xué)習(xí)方法的發(fā)展為我們的生活帶來許多便利。智能網(wǎng)絡(luò)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(xué)習(xí)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(lǐng)域，大數(shù)據(jù)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(fā)過程。我國懷柔科學(xué)城的發(fā)展規(guī)劃中，“材料基因組研究平臺”項目已全面開工建設(shè)。高通量實驗+高性能計算+深度數(shù)據(jù)分析的研究方式已經(jīng)成為時代發(fā)展的趨勢。

　　在非晶合金研究領(lǐng)域，如何設(shè)計并開發(fā)出具有良好玻璃形成能力的合金，是一個具有重要產(chǎn)業(yè)價值的科學(xué)問題。過去非晶合金材料新體系的探索主要依據(jù)經(jīng)驗性判據(jù)的指導(dǎo)，由于其準確性與通用性的限制，非晶新材料的研發(fā)速度非常緩慢。如何提高材料設(shè)計的效率，尋找具有更優(yōu)性能的材料，是非晶材料領(lǐng)域非常具有挑戰(zhàn)性的問題。

　　最近，中國科學(xué)院物理研究所/北京凝聚態(tài)物理國家實驗室（籌）汪衛(wèi)華研究組博士研究生孫奕韜在研究員汪衛(wèi)華、白海洋及中國人民大學(xué)物理系教授李茂枝的指導(dǎo)下，使用機器學(xué)習(xí)的方法，對二元合金的玻璃形成能力進行了系統(tǒng)分析，建立了合金成分與性能之間的關(guān)聯(lián)，并對可能的新材料進行了預(yù)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(gòu)建多維空間，并在這個多維空間內(nèi)對數(shù)據(jù)進行分割，從而建立輸入?yún)⒘颗c輸出參量之間的關(guān)聯(lián)。該研究方法可通過不斷選擇新的參數(shù)對模型進行重復(fù)訓(xùn)練，探討了合金的不同性質(zhì)對其玻璃形成能力的影響（圖2）。研究發(fā)現(xiàn)，參量Tliq（表征合金過冷能力的參量）與合金的玻璃形成能力有最為顯著的關(guān)聯(lián)，而且使用參量Tliq與Tfic（表征合金熱穩(wěn)定性）作為輸入?yún)?shù)，可以得到具有最佳預(yù)測效率的模型。通過對最佳模型的分析，發(fā)現(xiàn)已知的具有良好玻璃形成能力的二元合金，其分布與模型的預(yù)測值具有很好的一致性（圖3）。使用這個模型，可以對未知的合金成分進行預(yù)測，這樣由深度數(shù)據(jù)分析指導(dǎo)設(shè)計的實驗，可以極大地縮短非晶合金材料的研發(fā)周期（圖4）。該工作作為使用新的工具對經(jīng)典問題進行分析的一種嘗試，得到了初步成果。這表明，機器學(xué)習(xí)的方法在非晶材料設(shè)計與研發(fā)領(lǐng)域具有重要的應(yīng)用前景。采用更全面、完善的數(shù)據(jù)庫，運用更深入的人工智能算法，機器學(xué)習(xí)方法能夠為非晶等領(lǐng)域科研人員提供更精準的信息，進一步加速材料的研發(fā)過程。

　　這項研究結(jié)果最近發(fā)表在J. Phys. Chem. Lett. 8， 3434（2017）上。該項研究工作得到國家自然科學(xué)基金項目（51571209，51461165101）、科技部“973”項目（2015CB856800）和中科院前沿科學(xué)關(guān)鍵研究項目（QYZDY-SSW-JSC017）的支持。

    圖1. 支持向量機方法的基本過程，包括四個主要部分：數(shù)據(jù)庫的建立，模型的訓(xùn)練，模型的評估，以及最優(yōu)模型的預(yù)測。

圖2. 不同的輸入?yún)?shù)得到的模型的預(yù)測結(jié)果。

圖3. 最優(yōu)模型的預(yù)測結(jié)果。已發(fā)現(xiàn)的優(yōu)秀材料與模型預(yù)測（紅色區(qū)域）有很好的一致性。

圖4. 最優(yōu)模型預(yù)測得到最佳玻璃形成能力的合金體系的成分云圖。