斯坦福 AI 方法加速目标材料发现，为「自动驾驶实验」奠定基础

文章预览

将 ScienceAI   设为 星标 第一时间掌握 新鲜的 AI for Science 资讯 编辑 | KX 传统的材料发现过程既耗时又成本高昂。 可能的材料空间也非常大，仅由四种元素组成的材料就有超过 100 亿种可能性，对于制药应用而言，挑战更大，大约有 10^60 种可能的类药分子。 斯坦福大学和美国能源部 SLAC 国家加速器实验室的科学家们，开发了 一种 AI 方法，有助于在寻找新材料时更有效地收集数据，使研究人员能够以更高的精度和速度应对复杂的材料设计挑战。 研究人员提出了一个框架，通过简单的用户定义过滤算法来捕获实验目标。这些算法会自动转换为三种智能、无参数、顺序数据采集策略（SwitchBAX、InfoBAX 和 MeanBAX）之一，从而绕过了耗时且困难的任务特定采集函数设计过程。 研究人员在 TiO 2 纳米粒子合成和磁性材料表征的数据集上证明了这种方法，表明 ………………………………