新時代高科技不計其數越來越發達，小伙伴們看過不少科技新聞吧，在我們生活中應該也用到很多這些高科技東西，有哪些小伙伴值的關注的呢，今天就跟大家分享一篇有關科技方面知識，希望大家會喜歡。

康奈爾領導的團隊開發的人工智能系統已經確定了一種用于創造更高效燃料電池的有前景的材料 - 這是材料科學和機器學習的潛在突破。

該系統依賴于各自執行不同任務的算法機器人集合，篩選數百到數千個元素組合，以創建相位圖 - 原子相對于彼此的排列 - 然后人類可以使用它來確定哪個可能是一種新材料。

“這個問題迫使我們開發一種全新的方式，真正推動AI的前沿，以獲得物理意義的解決方案，說：” 卡拉·戈麥斯，計算機科學與計算研究所可持續發展總監，以及“第一作者的教授CRYSTAL：一用于材料晶體結構自動映射的多智能體系統， “發表于材料研究學會通訊。

尋求改進汽車燃料電池的研究人員正在尋找一種催化劑，這種催化劑可以用甲醇替代難以儲存的氫氣，甲醇可能效率更高。

但由于沒有已知材料是甲醇氧化的有效催化劑，因此需要一種新材料，共同作者John Gregoire博士說。'09，加州理工學院的一名科學家。

“如果存在一種可行的催化劑，那么需要通過組合元素周期表來發現它，并且組合的數量非常龐大，以至于無法通過傳統實驗來完成，”Gregoire說，他以前是博士后研究員。共同作者R. Bruce van Dover的實驗室 ，Walter S. Carpenter，Jr。，工程學教授。

研究人員還需要了解材料的晶體結構或相位，因為固體可能具有多個相結構，并且每個相位作為催化劑表現不同。

“人類可以解決包含兩個元素的簡單合成系統的相位圖，”Gregoire說，“但是只要有兩個以上的元素，人類就有太多的信息要處理，我們需要人工智能來協助。”

然而，現有的機器學習方法并不適合科學發現的嚴格限制，其中解決方案不僅必須合理，而且必須遵守物理和化學定律，Gomes說。

為了應對這一挑戰，Gomes及其同事開發了一種名為CRYSTAL的系統，用于晶相映射，其中多個機器人各自處理問題的不同部分，從預測各種組合的相位結構到確保這些預測符合熱力學規則。 。

機器學習系統通常學習如何使用大量帶注釋的訓練數據來解決問題 - 例如，用于區分狗和貓的算法將通過標記為“狗”或“貓”的圖像的數據集來訓練。標記數據不是'在這種情況下可用，因此CRYSTAL還需要能夠從未標記的數據中推斷 - 這一過程稱為無監督學習。

“對于一個單一的整體系統，這將是壓倒性的，”戈麥斯說。“但如果我們以非常敏捷的方式實現這一目標，將多代理系統集合在一起，我們可以快速找到解決方案并滿足所有限制。”

Gomes表示，CRYSTAL部分受到了IBM Watson超級計算機的啟發，該計算機利用人工智能代理社區提出了不同的可能解決方案，在“危險邊緣”中擊敗人類冠軍!

使用CRYSTAL，研究人員能夠確定一種獨特的催化劑，由三種結晶成某種結構的元素組成，對甲醇氧化有效，可以加入到甲醇基燃料電池中。

“這是一個重要的發現，它挑戰了我們對催化的理解，以及設計下一代催化劑的重要研究方向，”Gregoire說。