Các nhà nghiên cứu từ Max-Planck-Institut für Eisenforschung (MPIE) xem xét tình trạng của mô hình hóa dựa trên vật lý và thảo luận về cách kết hợp các phương pháp này với trí tuệ nhân tạo có thể mở ra những không gian chưa được khai thác cho đến nay để thiết kế các vật liệu phức tạp. Họ đã công bố quan điểm của mình trên tạp chí Nature Computational Science.

Kết hợp các phương pháp tiếp cận dựa trên vật lý với trí tuệ nhân tạo để đáp ứng nhu cầu của những thách thức về công nghệ và môi trường, các đặc tính vật liệu đa dạng và đòi hỏi khắt khe hơn bao giờ hết phải được xem xét, do đó làm cho hợp kim trở nên phức tạp hơn về thành phần, tổng hợp, xử lý và tái chế. Những thay đổi trong các tham số này kéo theo những thay đổi trong cấu trúc vi mô của chúng, tác động trực tiếp đến tính chất của vật liệu. Sự phức tạp này cần được hiểu để cho phép dự đoán cấu trúc và tính chất của vật liệu. Phương pháp tiếp cận thiết kế vật liệu tính toán đóng một vai trò quan trọng ở đây.

Bài báo so sánh các mô phỏng dựa trên vật lý, như động lực học phân tử và mô phỏng ban đầu với mô hình dựa trên bộ mô tả và các phương pháp tiếp cận trí tuệ nhân tạo tiên tiến. Mặc dù các mô phỏng dựa trên vật lý thường quá tốn kém để dự đoán các vật liệu có thành phần phức tạp, nhưng việc sử dụng trí tuệ nhân tạo (AI) có một số lợi thế.

Vì khả năng dự đoán của trí tuệ nhân tạo phụ thuộc vào sự sẵn có của các tập dữ liệu lớn, nên cần có những cách vượt qua trở ngại này. Một khả năng là sử dụng các chu kỳ học tập tích cực, trong đó các mô hình học máy được đào tạo với các tập hợp con nhỏ ban đầu của dữ liệu được dán nhãn. Các dự đoán của mô hình sau đó được sàng lọc bởi một đơn vị ghi nhãn cung cấp dữ liệu chất lượng cao trở lại nhóm bản ghi được gắn nhãn và mô hình máy học được chạy lại. Cách tiếp cận từng bước dẫn đến tập dữ liệu chất lượng cao cuối cùng có thể sử dụng được để dự đoán chính xác.

Vẫn còn nhiều câu hỏi mở cho việc sử dụng trí tuệ nhân tạo trong khoa học vật liệu: làm thế nào để xử lý dữ liệu thưa thớt và ồn ào? Làm thế nào để xem xét các ngoại lệ thú vị hoặc 'không phù hợp'? Làm cách nào để thực hiện xâm nhập nguyên tố không mong muốn từ quá trình tổng hợp hoặc tái chế? Tuy nhiên, khi nói đến việc thiết kế các hợp kim có thành phần phức tạp, trí tuệ nhân tạo sẽ đóng vai trò quan trọng hơn trong tương lai gần, đặc biệt là với sự phát triển của thuật toán và sự sẵn có của bộ dữ liệu vật liệu chất lượng cao và tài nguyên máy tính hiệu năng cao.