汽车轮胎、塑料袋和泡沫坐垫等日常用品，均由名为“聚合物”的材料制成，而这些材料的开发和测试可能需要数年时间。据外媒报道，卡内基梅隆大学（Carnegie Mellon University）和北卡罗来纳大学教堂山分校（the University of North Carolina at Chapel Hill）的研究人员开发了一种新方法，将人工智能与人类专业知识相结合，可以更快地创造出更优质的橡胶类材料。

图片来源：期刊《应用化学国际版》

通常，当研究人员提高某种材料的强度时，该材料的柔韧性会降低，而柔韧性材料往往会变得更软。为了解决这个问题，该团队创建了一个可与人类化学家协同工作的机器学习模型。机器学习是人工智能研究的一个分支，它涉及训练人工智能执行特定任务。在一项实验中，研究人员与人工智能工具合作，创造出一种既坚固又柔韧的聚合物。

跨学科科学领域Carl-Amy Jones讲席教授Olexandr (Oles) Isayev表示：“聚合物的应用非常广泛，包括建筑、汽车零部件、鞋类、模具、涂料等。每当你为特定应用制造一种材料时，它都需要特定的特性，且通常无法同时承受外力与发生膨胀。这些新材料具有优异的性能，它们可以同时实现这两种特性。”

该团队将目标聚合物所需的特性输入到设计工具中。然后，该模型建议北卡罗来纳大学教堂山分校的化学家们使用自动化科学工具进行一系列实验。

研究人员测试了所生产的材料，并向模型提供了反馈，以便模型进行调整。这项研究的相关论文发表在期刊《应用化学国际版（Angewandte Chemie International Edition）》上。

Isayev表示：“人工智能系统会建议一个实验，实验完成后，我们会测量其特性，并对模型进行迭代优化。你可以动态调整，并帮助机器导航，找到具有所需特性的材料。”

北卡罗来纳大学教堂山分校化学教授Frank Leibfarth表示：“这种新方法令人耳目一新。在我们的人机协同增强方法中，我们与模型进行交互，而不仅仅是接受指令，这使我们能够结合人机引导流程的优点，最终找到最佳解决方案。”Leibfarth还表示，他对这种聚合物的潜在应用充满期待。Leibfarth认为：“这种材料可以用于跑鞋、3D打印牙种植体等医疗设备以及汽车的耐用部件。”

卡内基梅隆大学化学系前博士后研究员、现任密歇根州立大学（Michigan State University）化学工程与材料科学助理教授的Dylan Anstine说道：“我们正处于化学和化学工程领域一个非常有趣的时期，正在寻找下一个伟大材料的最佳策略。显然，这将需要实验化学专家和计算化学专家使用我们所能找到的最好的数据科学工具。我们一直在努力厘清这种协作关系。”

机器学习模型还通过排除无效的方法和化学品，为研究人员节省了大量的时间和金钱。研究人员已将该程序开源，因此任何实验室都可以使用该工具。如果其他实验室采用该工具，可降低其他材料研发成果产出所需的成本和时间。

这种方法可加速适用于医疗器械、鞋类和电子产品的先进材料研发。通过将人工智能预测与人类专业知识相结合，研究人员希望能够更有效地解决复杂的材料挑战。