提到“人工智能”（AI）这个词，人们首先想到的可能是超级智能计算机，或者独立完成任务的机器人。如今，美国国家标准与技术研究院（NIST）所在的团队已经完成了新的实验：开发了一种CAMEO人工智能算法，促使了AI在不需要科学家额外训练下发现一种有价值的新材料。AI算法可以减少科学家在实验室内花费的试错时间，同时最大限度地提高研究的生产力和效率。研究小组在《自然通讯》上发表了他们的研究结果。

图片作者：N. Hanacek/NIST

CAMEO，是材料探索闭环自主系统（Closed-Loop Autonomous System for Materials Exploration）的缩写，是由包括NIST研究人员在内的多机构团队开发的一种人工智能算法。

NIST研究员Aaron Gilad Kusne说：在材料科学领域，科学家们试图发现可用于特定应用中的新材料，例如“一种轻巧但坚固的金属，可用于制造汽车”，或“一种可承受喷气发动机的高应力和高温的材料”。

但是寻找这种新材料通常需要大量的协同实验和费时的理论搜索。如果研究人员对材料的特性如何随温度变化而感兴趣，那么研究人员可能需要在10个不同温度下进行10个实验。但是温度只是其中一个参数，如果有5个参数，每个参数具有10个值，则该研究人员必须进行10×10×10×10×10次实验，即100,000次实验。

Kusne说：由于需要花费数年或数十年的时间，研究人员无法进行如此多次的实验，而这就是CAMEO的用武之地。CAMEO是材料探索和优化的闭环自主系统的简称，它可以确保在跳过会产生冗余信息的实验的前提下，依然能够最大限度地增加科学家的知识和理解。通过更少的实验来帮助科学家更快地实现目标，也使实验室能够更有效地利用有限的资源。但是CAMEO是怎么做到这一点的呢？

一、CAMEO的原理

机器学习是一个计算机程序可以访问数据并自己处理数据的过程，自动改进，而无需依赖反复的训练，这是CAMEO的基础。CAMEO是一种自我学习型AI，它利用预测和不确定性来决定接下来要做哪个实验。

图片作者：N. Hanacek/NIST

CAMEO能够通过闭环操作来搜索新材料。AI选择要在材料上运行的实验，进行实验并收集数据。 实验的一个周期可能需要几秒钟到几十分钟。

马里兰大学材料科学与工程研究员兼教授Ichiro Takeuchi说“我们实验的关键在于能够在组合库中释放CAMEO，组合库中制作了大量不同成分的材料。通常的组合研究会顺序测量阵列中的每种材料以寻找具有最佳性能的化合物，而即使使用快速的测量设置，也要花费很长时间。有了CAMEO，它只需很少量的常规测量就可以找到最好的材料”。

了解材料结构的最佳方法之一是通过X射线轰击它，这种技术被称为X射线衍射。通过确定X射线反射的角度，科学家们可以确定原子在材料中的排列方式，从而弄清楚材料的晶体结构。然而，一次内部X射线衍射实验可能需要一个小时或更长时间。在同步加速器设施中，一个足球场大小的机器将带电粒子加速到光速，此过程可能需要10秒，因为快速移动的粒子会释放出大量X射线，这是在斯坦福同步辐射光源（SSRL）进行的实验中使用的方法。该算法安装在通过数据网络连接到X射线衍射设备的计算机上。CAMEO通过选择X射线聚焦的材料来研究其原子结构，从而决定下一步要研究的材料成分。随着每次迭代更新，CAMEO都会从过去的测量中学习并选出下一个要研究的材料。这使得AI能够探索材料的组成如何影响其结构，并为任务选择最佳材料。Kusne说“把这个过程想象成做一个完美的蛋糕，你在混合不同类型的配料、面粉、鸡蛋或黄油，并使用各种食谱来制作最好的蛋糕，借助AI，它可以搜索“配方”或实验，以确定材料的最佳组合”。

这就是CAMEO发现Ge4Sb6Te7材料的方法，该小组将其简称为GST467。CAMEO调查了177种可能的材料，涵盖了大范围的成分配方。为了获得这种材料，CAMEO进行了19个不同的实验周期，花费了10个小时。相比之下，一名科学家需要90个小时才能完成全部177种材料。

二、新的材料

该材料由三种不同的元素（锗，锑和碲，Ge-Sb-Te）组成，这种类型的材料可用于电子存储中，例如数据存储。尽管Ge-Sb-Te合金中可能存在无限的成分变化，但CAMEO发现的新材料Ge4Sb6Te7最适合相变应用。

研究人员希望CAMEO能够找到最好的Ge-Sb-Te合金，这种合金在晶态和非晶态之间具有最大的“光学对比度”差异。例如，在DVD或蓝光光盘上，光学对比度允许扫描激光通过区分具有高反射率或低反射率的区域来读取光盘。他们发现GST467的光学对比度是Ge2Sb2Te5的两倍（Ge2Sb2Te5是DVD常用的材料），新材料对比度较大，远远优于旧材料。

GST467还可以用于光子开关器件，用于控制电路中的光的方向。同时它们也可以应用于神经形态计算，这是一个致力于开发模拟大脑神经元结构和功能的设备研究领域，为新型计算机以及其他应用（例如从复杂图像中提取有用数据）提供了可能。

三、CAMEO的广泛应用

SLAC国家加速器实验室的研究员Apurva Mehta说：“研究人员认为CAMEO还可用于许多其他材料的应用。CAMEO的代码是开源的，可供科学家和研究人员免费使用。CAMEO的优点之一是可以将成本降至最低；另一个优点是使科学家能够进行远程工作。这在科学家中掀起了一波远程工作、做实验的浪潮。这可能意味着，如果科学家想从事传染性疾病或病毒（例如COVID-19）的研究，他们可以依靠AI在实验室中安全、远程地做实验”。

Kusne说：“目前，研究人员将继续改进AI，并尝试让算法解决越来越复杂的问题。CAMEO具有机器科学的智慧，它的设计、运行和从实验中学习的效率非常高。”