近幾年，例如Materials Genome Initiative和Material Project等的研究機構創造了許多用於新材料製造的計算工具。運用這些工具製造的材料被廣泛應用在從航太材料到能源電路等的眾多方面。但是，新材料的研製過程越來越依賴於對於科研經驗，直覺，以及研究論文的系統性分析。
一支由來自美國麻省理工學院（MIT），麻薩諸塞大學阿默斯特分校（University of Massachusetts at Amherst），以及加州大學柏克萊分校（UCB）的研究團隊開展了旨在實現材料研究自動化的科研項目。研究人員研發了一種能夠分析科研論文並從中總結出新材料「配方」的人工智慧技術。麻省理工學院（MIT）材料學與材料工程部（DMSE）的能量學Atlantic Richfield助理教授Elsa Olivetti表示：「目前，計算材料學的科學家在根據材料特性需求確定研製方向的方面做出了很大進步。這樣一來，如何製造這種新材料便成為了材料學研究的瓶頸。」
研究人員希望，這項研究的成果將建立一個從數百萬論文中提取的新材料「配方」的資料庫。當科學家或工程師準備製造一種新材料時，他們可以將材料名稱輸入進系統，並輸入其他如前驅材料、反應性質、製造過程等的條件，來獲取製造配方。為了實現這樣的目標，Olivetti 和她的同事研發了一種新的人工智慧系統。這種系統將能夠分析研究論文，推測出包含材料配方的段落，並將這些段落中的關鍵字進行分類：材料名稱、性質資料、實驗裝置名稱、操作環境、材料性質描述等等。
在團隊發佈在最新一期《材料化學》雜誌上的論文中，研究人員展示了利用機器學習的系統能夠通過分析提取的資料來推斷不同材料種類的共有特性（如材料製造的溫度範圍）和單個材料的某個特性（如在不同製造條件下材料的不同物理性狀）。這篇論文的首席作者是 Olivetti，其他作者為：MIT研究生Edward Kim，DMSE博士後Kevin Huang，UMass Amherst電腦科學家Adam Saunders和Andrew McCallum，UCB材料學榮譽教授Gerbrand Ceder。
研究人員利用了有人為介入與無人為介入的機器學習結合訓練研究所利用的系統。有人為介入意味著訓練系統所用的資料將會首先被人做標注，而系統將會分析得出資料與標注之間的聯繫。無人為介入意味著訓練資料不會被標注，系統將會學習如何通過相似資料結構來將這些資料進行分類。由於材料配方的資料提取是一項全新的研究領域，研究領域不存在任何的已標注的資料來供Olivetti和她的同事使用。這樣一來，她們需要自己標注訓練資料（約 100 篇論文）。
根據機器學習領域的標準，這樣的訓練資料規模很小。為了優化訓練資料庫，研究團隊利用了穀歌研發的Word2vec演算法。這種演算法通過分析關鍵字與上下文的聯繫來將擁有相似上下文的關鍵字進行歸類。例如，如果一篇文章中有「我們將四氯化鈦加熱到 500 攝氏度」這樣的句子，另一篇文章中有「氫氧化鈉被加熱到 500 攝氏度」這樣的句子，Word2vec演算法會將「四氯化鈦」和「氫氧化鈉」歸為一類。
這種演算法能夠將被應用到單個關鍵字上的標注同時應用到這個關鍵字所對應的組中，使研究人員能夠大大擴充訓練資料規模。這樣一來，訓練資料庫從 100 篇論文擴張到了640,000篇論文。由於沒有任何標準來衡量新系統處理沒有人為標注的資料得到的結果，研究人員只能利用新系統處理人為標記的資料的結果來衡量系統的精准程度。測試結果表明，系統在確定包含新材料配方所在的段落時擁有99%的準確度，而在標注段落中關鍵字時擁有86%的準確度。
研究人員希望未來的研究能夠提高系統的準確度，並已經開展了一系列說明系統歸類材料配方的機器學習技術。研究人員的最終目標是利用系統來推測出不存在於已發佈論文中的全新材料配方。Olivetti過去的大部分研究注重於探索划算又環保的製造材料的方法。她希望這樣的資料庫也能夠說明她過去的研究專案。
加州大學聖芭芭拉分校材料學的Fred and Linda R. Wudl教授Ram Seshadri表示：「這樣的研究具有重大意義。研究的發起人背負著利用人工智慧來解決材料製造策略的重任。雖然研究已經展示了機器學習的能力，但要最終證明這樣的系統的優勢還需要確定實踐者是否能夠更相信這樣的系統而不是自己的直覺來創造出可信的成果。」此研究得到了美國國家科學基金會，美國海軍研究處，美國能源部的，特別是麻省理工學院能源計畫的大力支持。Kim得到了加拿大自然科學與工程研究理事會的部分支援。
- 本文係由DeepTech深科技授權刊登。原文連結：材料学家好助手：AI 可以分析论文并提取关键“配方”
