人工智能的研发如日中天。随着其应用领域的一直延伸，其他学科也在与人工智能的团结中获自得想不到的收获，新质料即是其中之一。

现在，外洋已有人工智能助力新质料研发的案例报道。英国利物浦大学的科研职员研发了一款机械人，在8天内自主设计化学反应蹊径，完成了688个实验，找到一种高效催化剂来提高聚合物光催化性能，这项实验若由人工完成将破费数月时间。不久前，日本大阪大学一名教授使用1200种光伏电池质料作为训练数据库，通过机械学习算法研究高分子质料结构和光电感应之间的关系，乐成在1分钟内筛选出有潜在应用价值的化合物结构，古板方规则需5—6年时间。

这样的乐成应用蕴藏了探索新质料和科技前进的无限可能。纵观人类历史，每一次科技革命都与质料的生长息息相关。工业革命前，石器、青铜器、铁器的生长将手工业逐渐从狩猎和农牧业中疏散出来。第一次工业革命后，钢铁和复合质料逐渐占有了人们的一样平常生涯。第三次工业革命后，半导体、高晶硅、高分子质料迅速生长，成为需求量重大的新质料。本世纪以来，随着高端制造业的进一步完善，新质料围绕功效化、智能化、集成化生长路径，与纳米手艺、生物手艺、信息手艺等新兴工业深度融合，成为科技前进的主要手段。

新质料的研制是基础研究和应用基础研究相互融合增进的历程，往往需要履历化学性子改良和物理加工刷新，历程颇为不易。以近年来兴起的智能纤维为例，这种新质料能随外界情形刺引爆发体积或形态转变，可用于修建可衣着智能装备。对它研发时，首先要相识其刺激响应机理，并建设一个合适的物理模子举行诠释；其次要选择合适的质料作为研究工具，运用化学手段刷新其功效单位的功效与性子，通过重复实验探索其刺激响应的条件，并完善结构单位的性能；最后是生产加工，历经纺丝、染整、编织等差别的处置惩罚流程，一直举行工艺优化与手艺刷新。由此可见，新质料研发是一种典范的试错性研发，履历周期往往较长。

为了缩短研发周期，人工智能可以作为一个强有力的辅助工具，借助数据共享，对先进质料的物理化学性子举行展望、筛选，从而加速新质料的合成和生产。已往，质料的设计都是通过理论盘算来构建结构和性子的关系。不过，由于原子有许多差别的团结方法，设计一个新的分子结构就犹如一个搭积木游戏，拼搭历程中无法预知分子的性子。作为人工智能的一个分支，机械学习算法在辅助新质料设计时尤为“得力”，其事情历程主要包括“形貌符”天生、模子构建和验证、质料展望、实验验证4个办法。所谓“形貌符”，就是凭证现有数据来形貌质料的某些特殊性子，再通过非线性的形式构建训练模子，从而展望新质料性子，这个历程不再依赖物理知识。

人工智能要想和新质料擦出更多的“火花”，仍面临一些挑战。好比，AI算法很难准确展望晶体结构，训练数据的可靠性仍有待理论要领的生长等。为了更好施展学科交织融合的乘数效应，除了需要算法一直刷新外，理论盘算化学的生长、质料性子表征手段的研发也应齐头并进。未来，信托通过各方科学家的起劲，新质料的立异效果将会一直涌现。