在搜索特定用途的可能新材料的理论清单时，可能会考虑数百万种潜在材料，并且需要同时满足和优化多个标准。麻省理工大学的研究人员最近找到了一种使用机器学习系统显著地简化发现过程的方法。该团队从将近 300 万的候选中选出了八种最有希望的材料，用于一种称为液流电池的储能系统。他们说，采用传统的分析方法，该剔除过程将花费 50 年，但他们在五周内完成了该过程。该团队选取了少量不同的可能材料，并使用它们来教授高级的机器学习神经网络，以了解材料的化学成分与其物理性质之间的关系。然后将这些知识应用于为下一代可能的材料提供建议，以用于下一轮神经网络训练。通过此过程的四个连续迭代，神经网络每次都得到显着改善，直到达到一个明显的点，即进一步的迭代不会产生任何进一步的改善。