编辑/凯霞
传统的材料设计与研发，以实验和经验为主。但随着材料化学和加工变得越来越复杂，这变得越来越具有挑战性。
随着人工智能（AI）的快速发展，AI 技术已广泛应用于材料科学各领域。科学家正努力通过计算机建模和 AI 技术，根据所需要的性能预测候选材料，从而加快新材料的研发速度和效率，降低研发成本。
AI 正在加速搜索和预测材料特性。在 AI 的助力下，材料在极端、恶劣条件下的性能得到快速且准确的预测，实现了人类目前无法实现的......
利用 AI 技术来加速设计和发现尚不存在的材料。这些先进的材料将使技术更先进和更环保，其应用范围从可再生能源到电子产品，再到药物等等。
AI 赋能材料科学，新材料产业从研发到产业化将不再遥远。
接下来，ScienceAI 将回顾 2021 年 AI 在材料领域的一些重要研究进展。
友情提示：点击小标题可直接访问文章
- Nature最新封面：发现首个「光子雪崩」纳米材料，「如果我们能够感知周围的化学环境」
- 即将进入生活的智能尘埃，应如何为它们提供电池
- 电动汽车电池新突破——宾大团队研制出高续航、快充电、低成本的磷酸铁锂电池
- 机器学习为材料学家补充「化学直觉」，更好的发现材料新特性
- 探索材料「量子大脑」——没有软件，硬件也可以实现机器学习
- MIT团队研发出AI工具，优化激光切割设计，避免材料浪费
- 机器学习模拟铝原子运动，助力计算材料科学自动化
- AI勘探金属，寻找电池最佳材料
- MIT研发出塑料聚合物电缆，虽细如发丝，但传输速度是USB的10倍
- 加速锂电池充电速度，斯坦福研究登上Nature子刊
- 南洋理工团队发明「智能」收集日光设备，可商用落地
- AI助力高温下材料特性计算，筛选速度提升百万倍
- 无需物理公式，GAN揭露复合材料内部物理场的变化
- 「机器学习+激光+悬浮」揭露耐火材料熔化过程
- 当第一性原理遇上AI，发现200多种新催化剂
- 多伦多大学组建「AI+基础学科」团队，加速新材料发现
- AI助力下的新材料计算，将占据未来几十年舞台中心
- 中科大江俊：开发有大脑的「机器化学家」，赋能科学研究
- 机器学习辅助分子晶体特性预测，新材料发现可走「捷径」
- 从谷歌 AI 设计的芯片谈 AI 的智能和创造力
- AI助力高性能钢设计：断裂强度、断裂寿命得到准确预测
- 分子系统、软材料、固态材料助力「智能物质」的兴起
- AI 改进半导体分层技术，赋能计算机芯片、电池制造
- 高效、低成本，基于物理的机器学习应用于太阳能电池设计
- 反铁磁体构建下一代通用信息存储设备，为更强大的AI系统增速
- 显示器、太阳能、光通信……这个小众材料有着广泛的商业前景
- ML、DL通用模型预测材料特性 | 无需超级计算机，你的笔记本也可以
- 机器学习的崛起：从材料设计到生物医学、量子计算......再到工业应用
- 近期四项研究，人工智能又搞出了哪些新材料？
- 图神经网络对玻璃结构进行反向设计
- 这可能是最全的材料导电性数据库，一个好用的在线分类工具
- AI+新型二维半导体：从集成电路工艺到芯片制造，复旦大学最新研究
- 机器学习预测微观结构层面不锈钢的行为
- 深度学习用于锂离子电池电极「体积图像」分割，助力电池性能提升
- 深度学习正在推动新一波材料设计创新浪潮，以超高温的难熔高熵合金为例
- 基于多目标贝叶斯优化的主动学习，优化液流电池特性，效率提高至少15倍
- 贝叶斯优化为构建纳米多孔材料提供了更好的方法
- 机器学习解决核磁共振谱中「谁是谁」的问题，可直接从晶体结构预测化学位移
- 超快、超低能耗！北大团队提出基于卷积神经网络的全光计算
- 准确率达 95%，机器学习预测复杂新材料合成
MIT初创公司推出新型光子AI芯片，比英伟达A100速度快、能耗低- 独家专访深势科技：「多尺度建模+机器学习」攻克传统分子模拟瓶颈，驱动多行业应用
