亚稳材料的自主合成
材料科学
2021-12-21 v2 人工智能
机器学习
多智能体系统
计算物理
摘要
由人工智能(AI)赋能的自主实验为加速科学发现提供了新范式。非平衡材料合成是复杂且资源密集的实验的典型代表，其加速将是材料发现与开发的转折点。非平衡合成相图的绘制近来已通过高通量实验加速，但由于参数空间过于庞大而无法穷举探索，仍制约着材料研究。我们展示了通过由Scientific Autonomous Reasoning Agent (SARA)主导的分层自主实验来加速亚稳材料的合成与探索。SARA集成了机器人材料合成与表征，以及一套分层AI方法，可高效揭示加工相图的结构。SARA设计横向梯度激光尖峰退火(lg-LSA)实验以实现并行材料合成，并采用光学光谱快速识别相变。基于融合实验底层物理及端到端不确定性量化的先进机器学习模型构建嵌套主动学习(AL)循环，实现了对多维参数空间的高效探索。借此以及多尺度AL的协同，SARA体现了AI对复杂科学任务的驾驭。我们通过自主绘制BiO体系的合成相边界来展示其性能，从而将合成相图的建立加速了数个数量级，该相图包含了在室温下动力学稳定-BiO的条件，这是固态氧化物燃料电池等电化学技术的关键进展。
引用
@article{arxiv.2101.07385,
title = {Autonomous synthesis of metastable materials},
author = {Sebastian Ament and Maximilian Amsler and Duncan R. Sutherland and Ming-Chiang Chang and Dan Guevarra and Aine B. Connolly and John M. Gregoire and Michael O. Thompson and Carla P. Gomes and R. Bruce van Dover},
journal= {arXiv preprint arXiv:2101.07385},
year = {2021}
}