如果可以可靠地預(yù)測材料的特性，那么為大量行業(yè)開發(fā)新產(chǎn)品的過程就可以被簡化和加速。在發(fā)表在《先進智能系統(tǒng)》上的一項研究中，來自東京大學(xué)工業(yè)科學(xué)研究所的研究人員利用機器學(xué)習(xí)，用磁芯損耗光譜學(xué)來確定有機分子的特性。 hU8Y&R)=9  
1XMR7liE  
光譜技術(shù)能量損失近邊結(jié)構(gòu)（ELNES）和X射線近邊結(jié)構(gòu)（XANES）被用來確定材料中電子的信息，并通過它確定原子。它們具有高靈敏度和高分辨率，已被用于研究從電子設(shè)備到藥物輸送系統(tǒng)的一系列材料。 RHg-Cg`  
*L$2M?xkY  
然而，將光譜數(shù)據(jù)與材料的特性--如光學(xué)特性、電子傳導(dǎo)性、密度和穩(wěn)定性--聯(lián)系起來仍然是不明確的。機器學(xué)習(xí)方法已被用于提取大型復(fù)雜數(shù)據(jù)集的信息。這種方法使用人工神經(jīng)網(wǎng)絡(luò)，它基于我們的大腦如何工作，不斷學(xué)習(xí)以解決問題。盡管該小組之前使用ELNES/XANES光譜和ML來找出材料的信息，但他們發(fā)現(xiàn)的東西與材料本身的屬性無關(guān)。因此，這些信息不能輕易轉(zhuǎn)化為發(fā)展。 b1.*cIv}  
w{6C4~0  
12KC4,C&1i  
現(xiàn)在，該團隊已經(jīng)使用ML來揭示隱藏在22155個有機分子的模擬ELNES/XANES光譜中的信息。“分子的ELNES/XANES光譜，或它們在這種情況下的 ‘描述符’，然后被輸入系統(tǒng)，”主要作者Kakeru Kikumasa解釋說�！斑@種描述符是可以在實驗中直接測量的東西，因此可以以高靈敏度和分辨率來確定。這種方法對材料開發(fā)非常有利，因為它有可能揭示出某些材料特性產(chǎn)生的地點、時間和方式。” )&Oc7\J,  
^k;]"NR  
僅僅從光譜中創(chuàng)建的一個模型就能夠成功地預(yù)測所謂的密集特性。然而，它無法預(yù)測廣泛特性，這些特性取決于分子大小。因此，為了改善預(yù)測，新的模型是通過包括與碳（存在于所有有機分子中）有關(guān)的三種元素的比率作為額外的參數(shù)來構(gòu)建的，以使分子量等廣泛的特性得到正確的預(yù)測。 "|L"C+
tE  
A913*O:\  
“我們對磁芯損耗光譜的ML學(xué)習(xí)處理提供了對廣泛材料特性的準確預(yù)測，如內(nèi)能和分子量。磁芯損耗光譜和廣泛屬性之間的聯(lián)系以前從未被提出過；然而，人工智能能夠揭開隱藏的聯(lián)系。”高級作者Teruyasu Mizoguchi說：“我們的方法也可能被應(yīng)用于預(yù)測新材料和功能的特性。我們相信，我們的模型將是一個非常有用的工具，可以在廣泛的行業(yè)中進行材料的高通量開發(fā)�！�