在人造膝关节和骨板、航空器组件以及催化转换器中发现的被称为多主元素合金（MPEA）的极强金属，即将通过人工智能变得更加强大。科学家们利用可解释人工智能（AI）的超级计算能力，设计了一种新的MPEA，具有优越的机械性能，其研究成果得到了国家科学基金会的资助，并近期发表于《自然》期刊的《npj Computational Materials》上。
“这项工作展示了数据驱动框架和可解释AI如何为材料设计开辟新的可能性，”德什穆克说。“通过结合机器学习、进化算法和实验验证，我们不仅加快了先进金属合金的发现，而且创造了可以扩展到复杂材料系统（例如糖材料——含有碳水化合物的聚合材料）的工具。”
元素协同，非凡特性
MPEA因其卓越的机械性能和多功能性而具有重要价值。这些合金由三种或更多金属元素组成，旨在提供优良的热稳定性、强度、韧性，以及耐腐蚀和耐磨损性。由于它们能够在极端条件下比传统合金更长时间地承受，因此非常适合航空航天、医疗设备和可再生能源技术等应用。
团队的主要目标是开发一种与当前模型相比具有更高机械强度的新合金。
传统上，设计MPEA涉及试错过程，既缓慢又昂贵。但德什穆克和他的团队正在探索利用可解释AI设计MPEA的广泛可能性。标准AI与可解释AI之间的一个主要区别在于，传统AI模型通常表现得像“黑箱”——它们生成预测，但我们不总是理解这些预测是如何或为何做出的。可解释AI通过提供对模型决策过程的洞察来解决这个局限性。
在工作中，团队使用了一种称为SHAP（Shapley加法解释）分析的技术来解释其AI模型所做的预测。这使团队成员能够理解不同元素及其局部环境如何影响MPEA的特性。因此，他们不仅获得了准确的预测，而且还获得了有价值的科学见解。
AI可以根据新MPEA的组成快速预测其特性，并优化特定应用的元素组合。利用来自实验和模拟的大数据集，AI可以帮助解释MPEA的机械行为，引导新先进合金的设计。
“利用可解释AI加速了我们对MPEA机械行为的理解。它可以将传统昂贵的试错材料设计转变为更具预测性和洞察力的过程，”化学工程博士后研究员王方西（“托比”）说道。“我们的设计工作流程结合了先进的机器学习和进化算法，提供了可解释的材料结构-性能关系的洞察，为多样化先进材料的发现提供了一种稳健的方法。”
合作推动突破
德什穆克与跨学科和机构的合作伙伴开展了研究：
- 约翰霍普金斯大学材料科学与工程教授Tyrel McQueen
-
弗吉尼亚理工大学可持续生物材料教授、国家科学基金会材料创新平台GlycoMIP主任Maren Roman
“参与这样一个跨学科的项目是一种享受，”约翰霍普金斯大学材料科学与工程研究生阿拉娜·伊瓦尼基说，她合成并测试了这些合金。“这项工作架起了计算生物材料和合成无机材料两个领域的桥梁。取得对两个小组都有意义的结果令人兴奋。”
在最初专注于这些无溶剂系统后，德什穆克和他的团队已经将这一计算框架扩展到设计更复杂的材料，例如新的糖材料，这些材料在食品添加剂、个人护理产品、健康产品和包装材料等广泛产品中具有潜在应用。这些进展不仅突显了该研究的转化性质，而且为未来材料科学和生物技术的突破铺平了道路。
“我们跨越两个国家科学基金会材料创新平台的跨学科合作，不仅使我们能够开发可转移的工具和平台，而且强调了计算、合成和表征交叉点上的合作如何推动基础科学和现实世界应用中的变革性突破，”德什穆克说。
