伊尔梅瑙研究人员正在利用人工智能彻底改变材料科学！

伊尔梅瑙研究人员正在利用人工智能彻底改变材料科学！

2025 年 9 月 23 日，伊尔梅瑙理工大学的研究人员展示了材料研究的重大进展。通过开发既可以进行预测又可以提供可解释结果的图注意力网络，他们正在开创科学人工智能的新时代。该研究基于 10,000 个量子力学计算光谱的综合数据集，在伊尔梅瑙工业大学的 HPC 集群中进行，代表了一种分析材料的创新方法。 伊尔梅瑙工业大学 报道称，该模型能够生成可理解的物质空间“地图”。

该团队使用 UMAP（统一流形逼近和投影）来可视化高维数据。这揭示了网络如何根据化学原理对材料进行分类。该研究的合著者 Max Großmann 强调，这代表了材料科学可解释人工智能的重大进展。这些新方法可以更精确地识别材料，不仅提高了预测的速度，还提高了预测的准确性。

材料研究的创新技术

该研究使用迁移学习来使已经训练的模型适应新任务。粗略数据用于预调整模型。然后，高精度 RPA 数据会完善预测。另一位合著者 Erich Runge 教授表示，现代算法展示了解决材料科学挑战的有前途的方法。他们的预测不仅准确，而且接近实验结果，促进了对基本原理的理解。

该研究的另一个重要方面是加速新型可持续材料开发的潜力。例如，这可能会产生能够更有效地将阳光转化为电能的材料，这在气候变化和能源转型时期尤为重要。

图注意力网络——人工智能的新维度

该研究的一个基本部分是图注意力网络的基础，由 Petar Veličković 及其同事等其他科学家建立。他们的工作发表在题为“图注意力网络”的论文中，描述了用于图结构数据的新神经网络架构。这些架构使用屏蔽的自注意力层来克服先前基于图卷积的方法的一些缺点。结果令人印象深刻； GAT模型在Cora、Pubmed等四大传导和归纳图基准测试中取得了优异的成绩。 arxiv 记录了这一显着的发展。

这些创新方法的结合不仅代表了材料科学未来的一步，而且还展示了人工智能和机器学习如何彻底改变现有流程。新的方法和模型为负责任地使用资源在未来几年带来的挑战和机遇提供了清晰的视角。

更详细地解释这些发展的原始出版物是：
– M. Grunert、M. Großmann、E. Runge，“机器学习攀登光电特性的雅各布天梯”，Nat。交流。 16, 8142 (2025)。
– M. Grunert、M. Großmann、E. Runge，“通过机器学习材料空间发现可持续能源材料”，Small，2412519 (2025)。