目前，國外已有人工智能助力新材料研發(fā)的案例報道。英國利物浦大學的科研人員研發(fā)了一款機器人，在8天內(nèi)自主設(shè)計化學反應(yīng)路線，完成了688個實驗，找到一種高效催化劑來提高聚合物光催化性能，這項實驗若由人工完成將花費數(shù)月時間。不久前，日本大阪大學一名教授利用1200種光伏電池材料作為訓練數(shù)據(jù)庫，通過機器學習算法研究高分子材料結(jié)構(gòu)和光電感應(yīng)之間的關(guān)系，成功在1分鐘內(nèi)篩選出有潛在應(yīng)用價值的化合物結(jié)構(gòu)，傳統(tǒng)方法則需5—6年時間。

　　為了縮短研發(fā)周期，人工智能可以作為一個強有力的輔助工具，借助數(shù)據(jù)共享，對先進材料的物理化學性質(zhì)進行預(yù)測、篩選，從而加快新材料的合成和生產(chǎn)。過去，材料的設(shè)計都是通過理論計算來構(gòu)建結(jié)構(gòu)和性質(zhì)的關(guān)系。不過，由于原子有很多不同的結(jié)合方式，設(shè)計一個新的分子結(jié)構(gòu)就如同一個搭積木游戲，拼搭過程中無法預(yù)知分子的性質(zhì)。作為人工智能的一個分支，機器學習算法在輔助新材料設(shè)計時尤為“得力”，其工作過程主要包括“描述符”生成、模型構(gòu)建和驗證、材料預(yù)測、實驗驗證4個步驟。所謂“描述符”，就是根據(jù)現(xiàn)有數(shù)據(jù)來描述材料的某些特殊性質(zhì)，再通過非線性的形式構(gòu)建訓練模型，從而預(yù)測新材料性質(zhì)，這個過程不再依賴物理知識。

　　智能控制在各行各業(yè)的應(yīng)用

　　1、工業(yè)過程中的智能控制

　　生產(chǎn)過程的智能控制主要包括兩個方面:局部級和全局級。局部級的智能控制是指將智能引入工藝過程中的某一單元進行控制器設(shè)計，例如智能PID控制器、專家控制器、神經(jīng)元網(wǎng)絡(luò)控制器等。研究熱點是智能PID控制器，因為其在參數(shù)的整定和在線自適應(yīng)調(diào)整方面具有明顯的優(yōu)勢，且可用于控制一些非線性的復(fù)雜對象。

　　2、機械制造中的智能控制

　　在現(xiàn)代先進制造系統(tǒng)中，需要依賴那些不夠完備和不夠精確的數(shù)據(jù)來解決難以或無法預(yù)測的情況，人工智能技術(shù)為解決這—難題提供了有效的解決方案。智能控制隨之也被廣泛地應(yīng)用于機械制造行業(yè)，它利用模糊數(shù)學、神經(jīng)網(wǎng)絡(luò)的方法對制造過程進行動態(tài)環(huán)境建模，利用傳感器融合技術(shù)來進行信息的預(yù)處理和綜合。

　　3、電力電子學研究領(lǐng)域中的智能控制

　　電力系統(tǒng)中發(fā)電機、變壓器、電動機等電機電器設(shè)備的設(shè)計、生產(chǎn)、運行、控制是一個復(fù)雜的過程，國內(nèi)外的電氣工作者將人工智能技術(shù)引入到電氣設(shè)備的優(yōu)化設(shè)計、故障診斷及控制中，取得了良好的控制效果。遺傳算法是一種先進的優(yōu)化算法，采用此方法來對電器設(shè)備的設(shè)計進行優(yōu)化，可以降低成本，縮短計算時間，提高產(chǎn)品設(shè)計的效率和質(zhì)星。

　　總結(jié)

　　人工智能要想和新材料擦出更多的“火花”，仍面臨一些挑戰(zhàn)。比如，AI算法很難準確預(yù)測晶體結(jié)構(gòu)，訓練數(shù)據(jù)的可靠性仍有待理論方法的發(fā)展等。為了更好發(fā)揮學科交叉融合的乘數(shù)效應(yīng)，除了需要算法不斷改進外，理論計算化學的發(fā)展、材料性質(zhì)表征手段的研發(fā)也應(yīng)齊頭并進。未來，相信通過各方科學家的努力，新材料的創(chuàng)新成果將會不斷涌現(xiàn)。