编辑/凯霞
传统的材料设计与研发，以实验和经验为主。但随着材料化学和加工变得越来越复杂，这变得越来越具有挑战性。
随着人工智能（AI）的快速发展，AI 技术已广泛应用于材料科学各领域。科学家正努力通过计算机建模和 AI 技术，根据所需要的性能预测候选材料，从而加快新材料的研发速度和效率，降低研发成本。
AI 正在加速搜索和预测材料特性。在 AI 的助力下，材料在极端、恶劣条件下的性能得到快速且准确的预测，实现了人类目前无法实现的......
利用 AI 技术来加速设计和发现尚不存在的材料。这些先进的材料将使技术更先进和更环保，其应用范围从可再生能源到电子产品，再到药物等等。
AI 赋能材料科学，新材料产业从研发到产业化将不再遥远。
接下来，ScienceAI 将回顾 2021 年 AI 在材料领域的一些重要研究进展。
友情提示：点击小标题可直接访问文章
Nature最新封面：发现首个「光子雪崩」纳米材料，「如果我们能够感知周围的化学环境」即将进入生活的智能尘埃，应如何为它们提供电池电动汽车电池新突破——宾大团队研制出高续航、快充电、低成本的磷酸铁锂电池机器学习为材料学家补充「化学直觉」，更好的发现材料新特性探索材料「量子大脑」——没有软件，硬件也可以实现机器学习MIT团队研发出AI工具，优化激光切割设计，避免材料浪费机器学习模拟铝原子运动，助力计算材料科学自动化AI勘探金属，寻找电池最佳材料MIT研发出塑料聚合物电缆，虽细如发丝，但传输速度是USB的10倍加速锂电池充电速度，斯坦福研究登上Nature子刊南洋理工团队发明「智能」收集日光设备，可商用落地AI助力高温下材料特性计算，筛选速度提升百万倍无需物理公式，GAN揭露复合材料内部物理场的变化「机器学习+激光+悬浮」揭露耐火材料熔化过程当第一性原理遇上AI，发现200多种新催化剂多伦多大学组建「AI+基础学科」团队，加速新材料发现AI助力下的新材料计算，将占据未来几十年舞台中心中科大江俊：开发有大脑的「机器化学家」，赋能科学研究机器学习辅助分子晶体特性预测，新材料发现可走「捷径」从谷歌 AI 设计的芯片谈 AI 的智能和创造力AI助力高性能钢设计：断裂强度、断裂寿命得到准确预测分子系统、软材料、固态材料助力「智能物质」的兴起AI 改进半导体分层技术，赋能计算机芯片、电池制造高效、低成本，基于物理的机器学习应用于太阳能电池设计反铁磁体构建下一代通用信息存储设备，为更强大的AI系统增速显示器、太阳能、光通信……这个小众材料有着广泛的商业前景ML、DL通用模型预测材料特性 | 无需超级计算机，你的笔记本也可以机器学习的崛起：从材料设计到生物医学、量子计算......再到工业应用近期四项研究，人工智能又搞出了哪些新材料？图神经网络对玻璃结构进行反向设计这可能是最全的材料导电性数据库，一个好用的在线分类工具AI+新型二维半导体：从集成电路工艺到芯片制造，复旦大学最新研究机器学习预测微观结构层面不锈钢的行为深度学习用于锂离子电池电极「体积图像」分割，助力电池性能提升深度学习正在推动新一波材料设计创新浪潮，以超高温的难熔高熵合金为例基于多目标贝叶斯优化的主动学习，优化液流电池特性，效率提高至少15倍贝叶斯优化为构建纳米多孔材料提供了更好的方法机器学习解决核磁共振谱中「谁是谁」的问题，可直接从晶体结构预测化学位移超快、超低能耗！北大团队提出基于卷积神经网络的全光计算准确率达 95%，机器学习预测复杂新材料合成MIT初创公司推出新型光子AI芯片，比英伟达A100速度快、能耗低独家专访深势科技：「多尺度建模+机器学习」攻克传统分子模拟瓶颈，驱动多行业应用
