近二十年來，機(jī)器學(xué)習(xí)方法的發(fā)展為我們的生活帶來許多便利。智能網(wǎng)絡(luò)搜索、語

音識(shí)別，乃至無人超市、無人駕駛汽車等，依托于機(jī)器學(xué)習(xí)方法的新事物正迅速地在生

活中普及。Alpha Go的橫空出世更讓世界驚嘆于人工智能的潛在價(jià)值。在科研領(lǐng)域，

大數(shù)據(jù)的理念正在改變著科研人員對(duì)未知世界的探索方式。美國(guó)在2011年提出了材料基

因組計(jì)劃（Materials Genome Initiative），以期加快材料的研發(fā)過程。我國(guó)懷柔科學(xué)

城的發(fā)展規(guī)劃中，“材料基因組研究平臺(tái)”項(xiàng)目已全面開工建設(shè)。高通量實(shí)驗(yàn)+高性能

計(jì)算+深度數(shù)據(jù)分析的研究方式已經(jīng)成為時(shí)代發(fā)展的趨勢(shì)。

     在非晶合金研究領(lǐng)域，如何設(shè)計(jì)并開發(fā)處具有良好玻璃形成能力的合金，是一個(gè)具

有重要產(chǎn)業(yè)價(jià)值的科學(xué)問題。過去非晶合金材料新體系的探索主要依據(jù)經(jīng)驗(yàn)性判據(jù)的指

導(dǎo)，由于其準(zhǔn)確性與通用性的限制，非晶新材料的研發(fā)速度非常緩慢。 如何提高材料

設(shè)計(jì)的效率，尋找具有更優(yōu)性能的材料，是非晶材料領(lǐng)域非常具有挑戰(zhàn)性的問題。

     最近，中國(guó)科學(xué)院物理研究所/北京凝聚態(tài)物理國(guó)家實(shí)驗(yàn)室（籌）汪衛(wèi)華研究組

（EX4組）博士研究生孫奕韜在汪衛(wèi)華研究員、白海洋研究員及人民大學(xué)物理系李茂

教授的指導(dǎo)下，使用機(jī)器學(xué)習(xí)的方法，對(duì)二元合金的玻璃形成能力進(jìn)行了系統(tǒng)分析，

建立了合金成分與性能之間的關(guān)聯(lián)，并對(duì)可能的新材料進(jìn)行了預(yù)測(cè)。研究過程中使用

了支持向量機(jī)（Support Vector Machine）這種方法（圖1），通過構(gòu)建多維空間，

并在這個(gè)多維空間內(nèi)對(duì)數(shù)據(jù)進(jìn)行分割，從而建立輸入?yún)⒘颗c輸出參量之間的關(guān)聯(lián)。該

研究方法可通過不斷選擇新的參數(shù)對(duì)模型進(jìn)行重復(fù)訓(xùn)練，探討了合金的不同性質(zhì)對(duì)其

玻璃形成能力的影響（圖2）。

      研究發(fā)現(xiàn)，參量?T_liq（表征合金過冷能力的參量）與合金的玻璃形成能力有最為

顯著的關(guān)聯(lián)，而且使用參量?T_liq與T_fic（表征合金熱穩(wěn)定性）作為輸入?yún)?shù)，可以得到

具有最佳預(yù)測(cè)效率的模型。通過對(duì)最佳模型的分析，發(fā)現(xiàn)已知的具有良好玻璃形成能

力的二元合金，其分布與模型的預(yù)測(cè)值具有很好的一致性（圖3）。使用這個(gè)模型，可

以對(duì)未知的合金成分進(jìn)行預(yù)測(cè)，這樣由深度數(shù)據(jù)分析指導(dǎo)設(shè)計(jì)的實(shí)驗(yàn)，可以極大地縮

短非晶合金材料的研發(fā)周期（圖4）。該工作作為使用新的工具對(duì)經(jīng)典問題進(jìn)行分析的

一種嘗試，得到了初步成果。這表明，機(jī)器學(xué)習(xí)的方法在非晶材料設(shè)計(jì)與研發(fā)領(lǐng)域具

有重要的應(yīng)用前景。采用更全面、完善的數(shù)據(jù)庫(kù)，運(yùn)用更深入的人工智能算法，機(jī)器

學(xué)習(xí)方法能夠?yàn)榉蔷У阮I(lǐng)域科研人員提供更精準(zhǔn)的信息，進(jìn)一步加速材料的研發(fā)過程。

      這項(xiàng)研究結(jié)果最近發(fā)表在J. Phys. Chem. Lett.（IF=9.35） 8， 3434（2017）上。

該項(xiàng)研究工作得到國(guó)家自然科學(xué)基金項(xiàng)目（51571209，51461165101）、科技部973

項(xiàng)目（2015CB856800）和中科院前沿科學(xué)關(guān)鍵研究項(xiàng)目（QYZDY-SSW-JSC017）的

支持。  

圖1. 支持向量機(jī)方法的基本過程，包括四個(gè)主要部分：數(shù)據(jù)庫(kù)的建立，模型的訓(xùn)練，模型的評(píng)估，以及最

優(yōu)模型的預(yù)測(cè)

圖2. 不同的輸入?yún)?shù)得到的模型的預(yù)測(cè)結(jié)果

圖3. 最優(yōu)模型的預(yù)測(cè)結(jié)果。已發(fā)現(xiàn)的優(yōu)秀材料與模型預(yù)測(cè)（紅色區(qū)域）有很好的一致性

圖4. 最優(yōu)模型預(yù)測(cè)得到最佳玻璃形成能力的合金體系的成分云圖