人工神经网络-受大脑连接启发的算法-已经“学会”执行各种任务，从自动驾驶汽车中的行人检测到分析医学图像，到翻译语言。 现在，加州大学圣地亚哥分校的研究人员正在训练人工神经网络来预测新的稳定材料。

加州大学圣迭戈雅各布斯工程学院的纳米工程教授，资深作者Shyue PingOng说：“预测材料的稳定性是材料科学、物理和化学中的一个核心问题。” 一方面，你有传统的化学直觉，如LinusPauling的五条规则，描述晶体在半径和离子堆积方面的稳定性。 另一方面，你有昂贵的量子力学计算，以计算从形成晶体获得的能量，必须在超级计算机上完成。 我们所做的就是利用人工神经网络来连接这两个世界。”

通过训练人工神经网络来预测晶体的形成能量，只使用两个输入-组成原子的电负性和离子半径-Ong和他在材料虚拟实验室的团队开发了可以识别两类晶体中的稳定材料的模型，称为石榴石和钙钛矿。 这些模型比以前的机器学习模型的精度高达10倍，而且足够快，可以在几个小时内在笔记本电脑上有效地筛选出数千种材料。 该小组在9月18日发表于《自然通讯》的一篇论文中详细介绍了这项工作。

“石榴石和钙钛矿用于LED灯、可充电锂离子电池和太阳能电池。 这些神经网络有可能极大地加速发现用于这些和其他重要应用的新材料。 昂格材料虚拟实验室的D.名学生。

该小组已通过http://crystals.ai.的网络应用程序向公众开放了他们的模型 这允许其他人使用这些神经网络计算任何石榴石或钙钛矿组分在飞行中的形成能量。

研究人员计划将神经网络的应用扩展到其他晶体原型以及其他材料特性。