AI系統(tǒng)在預(yù)測新材料結(jié)構(gòu)方面已經(jīng)取得長足進(jìn)步。然而，能否在實(shí)驗(yàn)室中真正實(shí)現(xiàn)材料合成呢？因?yàn)楹铣蛇^程要微妙得多——這恰恰是人類的強(qiáng)項(xiàng)。AI可以基于數(shù)據(jù)進(jìn)行可靠的預(yù)測，并輸出在特定條件下最穩(wěn)定、最有用的晶體結(jié)構(gòu)。但當(dāng)涉及到在適當(dāng)溫度、特定壓力下正確混合化學(xué)試劑，并讓實(shí)驗(yàn)運(yùn)行一定時長時，情況就復(fù)雜得多。

現(xiàn)在情況可能改變。麻省理工（MIT）研究人員開發(fā)了一種生成式人工智能（GenAI）系統(tǒng)DiffSyn，它從歷史材料合成數(shù)據(jù)中學(xué)習(xí)，預(yù)測可行的合成路徑。其能力超出了結(jié)構(gòu)屬性范圍。研究人員聲稱，它能夠建模生產(chǎn)目標(biāo)材料所需的實(shí)驗(yàn)步驟序列，本質(zhì)上是將結(jié)構(gòu)轉(zhuǎn)化為工藝流程。該模型通過識別歷史上成功形成材料的變量組合，縮小了實(shí)驗(yàn)搜索空間。它并非替代人類科學(xué)家，而是充當(dāng)智能實(shí)驗(yàn)規(guī)劃助手。研究人員認(rèn)為，DiffSyn有望打破材料發(fā)現(xiàn)過程中最大的瓶頸。

“打個比方，我們知道自己想做什么蛋糕，但目前還不知道如何烤蛋糕。”論文第一作者、MIT材料科學(xué)與工程系（DMSE）博士生Elton Pan說，“材料合成目前依賴于領(lǐng)域?qū)I(yè)知識和試錯。”

借助新模型，研究團(tuán)隊(duì)成功合成了一種熱穩(wěn)定性更好的新型沸石材料。他們特意選擇沸石來測試模型，因?yàn)檫@類材料結(jié)構(gòu)復(fù)雜、對合成條件極其敏感，并且存在許多理論框架但從未在現(xiàn)實(shí)中被制備出來。沸石的難點(diǎn)不僅在于結(jié)構(gòu)，還在于形成過程中涉及的相互作用變量數(shù)量眾多。傳統(tǒng)實(shí)驗(yàn)室方法傾向于逐一探索這些變量，這限制了對整個參數(shù)空間進(jìn)行測試的現(xiàn)實(shí)可能性。

“人們依賴化學(xué)直覺來指導(dǎo)過程，”Pan說，“人類是線性的。如果有五個參數(shù)，我們可能會保持其中四個不變，并線性地改變其中一個。但機(jī)器在高維空間中進(jìn)行推理的能力要強(qiáng)得多?！?/p>

“擴(kuò)散模型本質(zhì)上是一種像ChatGPT一樣的GenAI模型，但更像是DALL-E圖像生成模型。”Pan說，“在推理過程中，它通過每一步減去少量噪聲，將噪聲轉(zhuǎn)化為有意義的結(jié)構(gòu)。在這里，‘結(jié)構(gòu)’就是目標(biāo)材料的合成路徑?！?/p>

研究人員在超過23,000份公開發(fā)表的合成配料清單上訓(xùn)練了模型，這些清單橫跨約50年。他們故意在這些清單中添加隨機(jī)擾動，并教系統(tǒng)逐步重建它們。這樣一來，模型學(xué)會了從隨機(jī)性走向可行的合成方案。這種方法被稱為擴(kuò)散，是DiffSyn的基礎(chǔ)。

“它基本上告訴你如何烤你的蛋糕。”Pan說，“你心中有蛋糕的構(gòu)想，把它輸入模型，模型就會吐出合成配方?？茖W(xué)家可以選擇任何一條合成路徑，而且有簡單的方法從我們提供的結(jié)果中量化出最有前景的路徑，這在我們的論文中也有展示?！?/p>

盡管該模型的測試范圍有限，研究人員仍有信心，這種方法可以用來追蹤其他指導(dǎo)非沸石材料合成的模型。

“這種方法可以擴(kuò)展到其他材料，”Pan說，“現(xiàn)在的瓶頸是為不同材料類別找到高質(zhì)量數(shù)據(jù)。但沸石很復(fù)雜，我可以想象它們接近難度的上界。最終目標(biāo)是將這些智能系統(tǒng)與自主現(xiàn)實(shí)世界實(shí)驗(yàn)連接起來，并對實(shí)驗(yàn)反饋進(jìn)行主體推理，從而大幅加速材料設(shè)計(jì)過程?！?/p>

如果像DiffSyn這樣的系統(tǒng)被證明可靠，它們將顯著縮短計(jì)算發(fā)現(xiàn)與實(shí)驗(yàn)驗(yàn)證之間的差距。研究人員指出，系統(tǒng)的性能在很大程度上取決于歷史合成數(shù)據(jù)的質(zhì)量和多樣性。文獻(xiàn)有限的材料可能仍然難以建模。然而，沸石的成功示范表明，AI可以超越結(jié)構(gòu)預(yù)測，開始編碼程序性的科學(xué)知識。