对于研发新材料或防护涂料的工程师而言，有数十亿种不同的可能性可供选择。实验室测试，甚至详细的计算机模拟可以确定新材料的韧性等确切属性，但需要花费几个小时、几天甚至更长的时间。不过，据外媒报道，美国麻省理工学院（MIT）研发了一种基于人工智能的方法，可将此过程缩短至几毫秒，以筛选大量的候选材料。
（图片来源：美国麻省理工学院）
MIT研究人员希望该系统可用于研发功能更强大的防护涂料或结构材料，例如，用于保护飞机、飞船或者汽车等免受冲击的结构材料。
该项研究的重点是通过分析裂纹在材料分子结构中的扩散，预测材料破裂或断裂的方式。研究人员表示，了解故障过程是研发坚固可靠材料的关键。计算机模拟可提供有关断裂如何发生的精确化学信息。不过，该过程很慢，因为需要了解每一个原子的运动运动方式。于是，该小组决定利用机器学习系统，以简化该过程。
研究人员们制作了数百个模拟，包括各种各样的结构，并让每种结构都模拟了断裂情况。然后，将有关模拟的大量数据输入人工智能系统，看看该系统能否发现隐藏的物理原理，并预测出一种不属于训练集的新材料的性能。最终，该系统做到了。
材料如何出现故障对于所有的工程项目而言都是至关重要的信息，材料断裂是行业发生亏损的最大原因之一。检查飞机、火车、汽车、道路、基础设施、混凝土、钢铁腐蚀情况，或者去了解骨骼等生物组织的断裂情况，是否具备利用AI模拟断裂情况的能力，以及是否能够快速、高效完成检查，将带来变革。
利用此种方法可大大提升材料研发速度，在分子动力学的单次模拟中，需要几个小时运行模拟，但是在AI预测系统中，只需要10毫秒就可完成所有的模式预测，并显示裂纹是如何一步一步形成的。
研究人员所研发的方法属于通用型方法，当利用原子模拟的数据时，该系统还可用于根据材料破裂图像等实验数据进行预测。此外，该系统不仅适用于材料断裂情况，还可应用于随时间推移发生变化的各种过程中，如一种物质扩散至另一种物质中，或者腐蚀过程。