面向材料加速平台的物理计算

“技术彩票”描述的是某一研究思路或技术因契合可用软硬件而胜过其他，未必因其优于替代方向——例子比比皆是，从深度学习与 GPU 的协同到城市设计与自动驾驶汽车间的脱节。自驱动实验室（SDL）这一 nascent 领域，尤其是作为材料加速平台（MAPs）实现的那些，正面临类似的陷阱：构建 MAPs 的下一步合乎逻辑的做法，是取现有实验设备与工作流，再掺入一些 AI 与自动化。在本白皮书中，我们主张，作为 MAPs 研究计划一部分、用于加速新材料搜索的同一仿真与 AI 工具，也使得设计根本全新的计算介质成为可能。我们无需受限于科学、机电一体化及通用计算中的既有偏见，而是可以借助信息物理学习与闭环自优化系统的进展，追求工程物理的新向量。在此我们勾勒了一个基于仿真的 MAP 计划，以设计利用物理本身求解优化问题的计算机。此类系统缓解了每一类其他 MAPs 中存在的硬件-软件-基底-用户的信息损耗，并实现了计算问题与设计介质间的完美对齐，消除任何技术彩票。我们给出了迈向早期“物理计算（PC）-MAP”进展的具体步骤，以及我们预期将开启材料研究者与计算机科学家间创新协作新时代的更长周期信息物理研发。