近年來,能夠將文字轉化為圖像的人工智能模型,也逐漸展現出在“新材料生成”方面的潛力。谷歌、微軟、Meta等公司的生成式材料模型已經幫助科研人員設計了數千萬種新材料。
然而,當研究目標是具備超導性或獨特磁態等“奇異量子特性”的材料時,這些模型卻力不從心。比如,科研人員花了十多年研究一種被稱為“量子自旋液體”(quantumspinliquids)的材料體系,該體系被認為可能革新量子計算,但目前全球只找到十幾種候選材料。材料發現的瓶頸,嚴重制約了技術突破的可能性。
為解決這一難題,麻省理工學院(MIT)的研究人員開發了一種新技術,使現有的生成式材料模型能夠在遵循特定設計規則的前提下,生成具有潛在量子特性的材料。這些設計規則——也稱“約束條件”——引導模型生成具有特殊幾何結構的材料,而這些結構恰恰是量子特性的來源。
相關成果已發表于?NatureMaterials?期刊。研究團隊利用這一方法生成了數百萬種與量子特性相關的晶格結構材料,并從中成功合成了兩種具有奇異磁性的全新化合物。
MIT教授MingdaLi表示:“大公司的模型通常生成的是穩定性*優的材料。但材料科學的突破往往并不是這樣發生的。我們不需要一千萬種新材料來改變世界,只需要一種真正*的材料。”
讓AI“懂規則”
材料的性質由結構決定,量子材料也不例外。某些原子排列方式更容易產生獨特的量子效應。比如,方格晶格可作為高溫超導體的基礎,而Kagome晶格和Lieb晶格則有助于研發量子計算所需的材料。
為了讓主流生成模型(如擴散模型diffusionmodels)生成符合這些幾何結構的材料,MIT研究團隊開發了一個名為?SCIGEN?的計算工具(全稱StructuralConstraintIntegrationinGENerativemodel)。該工具能在每次迭代中檢查模型生成的結果,確保其符合用戶設定的幾何規則。若生成結果不符合規則,就會被自動“攔截”。
換言之,SCIGEN就像一個“守門員”,保證模型輸出的材料不僅僅是“穩定”,而是“可能具備目標量子特性”。
團隊將SCIGEN應用于一種流行的材料生成模型DiffCSP。他們要求模型生成帶有阿基米德晶格(Archimedeanlattices)的材料。阿基米德晶格是一類二維多邊形鋪排的特殊結構,長期以來被認為與量子自旋液體及“平帶”現象密切相關。
研究結果顯示,模型共生成了?1000多萬種候選材料,其中?100萬種通過了穩定性篩選。研究人員隨后利用美國橡樹嶺國家實驗室的超級計算機,對?2.6萬種材料進行了更精細的模擬,結果發現其中?41%具有磁性。*終,他們在實驗室成功合成了兩種此前從未被發現的化合物:TiPdBi和TiPbSb,并驗證了其與模型預測相符的量子特性。
“我們希望發現能帶來巨大潛力的新材料,因此從這些幾何結構出發是*自然的選擇。科學界早已知道這些結構可能孕育量子特性,現在我們能更高效地找到對應的材料。”MIT博士生、論文*作者RyotaroOkabe表示。
加速量子材料發現
量子自旋液體被認為是實現穩定、抗誤差量子比特(qubit)的關鍵,從而可能為量子計算奠定基礎。然而迄今為止,還沒有任何一種量子自旋液體材料得到確證。
研究合作者、密歇根州立大學的WeiweiXie教授與普林斯頓大學的RobertCava教授認為,SCIGEN的方法有望大幅加快相關材料的探索進程。
Xie表示:“目前全球都在尋找量子計算與拓撲超導所需的材料,而這些材料往往與幾何晶格緊密相關。”
Cava補充稱:“實驗進展一直非常緩慢,因為量子自旋液體必須滿足特定的晶格條件,比如三角格子或Kagome格子。只要材料滿足這些條件,研究人員就會感到興奮,因為這是必要條件。SCIGEN可以一次性生成成百上千個這樣的候選,為實驗提供了更大的材料池。”
未參與此研究的美國德雷塞爾大學教授SteveMay也對這項工作進行了評價:“這項研究展示了一種全新工具,能夠利用機器學習預測出具有特定幾何結構的材料。它將顯著加快新材料的研發步伐,為下一代電子、磁性或光學技術提供可能。”
研究人員強調,實驗驗證仍是關鍵步驟,只有通過實際合成與測試,才能確認AI生成的材料是否真的具備預期性能。未來,團隊計劃在SCIGEN中加入更多約束條件,比如化學成分與功能特性,進一步提升其應用價值。
博士生Okabe總結道:“想要改變世界的人,關注的不是材料的穩定性,而是它們的實際特性。我們的做法降低了‘穩定材料’的比例,但打開了尋找更有潛力材料的大門。”
這項研究獲得了美國能源部、國家能源科研計算中心(NERSC)、國家科學基金會以及橡樹嶺國家實驗室的部分支持。