伙伴们，快刀广播站又开始广播了。
对于AI应用，目前最常见的领域是智能客服、电商拍照、公文写作等，但其实在科研领域，AI也在发挥很大的作用。特别是在一些探索性的、存在不确定性的领域，例如新材料合成，AI提供的帮助反而更大。
从2023年下半年到现在，我看到了不少这方面的案例，今天和你分享几个我自己印象比较深的。
第一个案例来自麻省理工学院计算机科学和人工智能实验室做的研究。他们的一个研究团队今年2月出了一篇论文，发表在了《科学进展》杂志上，讲的是如何利用AI，来创造出具有非凡性能的新材料。你会发现用AI做测试的方法，跟传统的试错实验方法完全不同。
简单来说，研究人员之前制造一个新材料需要反复实验和测试，但现在有了AI，这个制造流程就被大大缩短了，因为AI可以先模拟，高效找到数据最佳的新材料。并且在AI的协助下，他们还发现了微结构的复合材料，这些复合材料具有更高的韧性和耐久性，可以用在汽车、飞机制造等领域。
我本身是外行，就不给你过多介绍这个新材料了。不过我关注到，这个项目的首席研究员李北辰说了一句话：“复合设计和制造是工程学的基础，现在这个方法论其实可以应用在多个领域，例如流体力学、气象学甚至机器人技术，都可以用AI提供帮助。”我特意去翻了一下这位麻省理工博士生的资料，他本科是清华大学毕业的。现在美国很多顶级学校的实验室里，很多科研骨干都是华人。
第二个AI辅助科研的案例是，今年1月，微软和太平洋西北实验室的科学家联合提交了一篇关于新电池材料的论文。这篇论文的最大亮点是利用AI和超级计算技术，将候选材料的范围从3200万种缩减到了23种，然后科学家合成并测试了其中一种可能性较大的材料，接着就创建了电池的原型。
整个研究的过程其实挺有意思，因为它和我们让AI写100篇文案的逻辑差不多。研究人员先确定一个大目标，开发出具有固态电解质的新电池，理由是现在的锂电池，电解质都是液体的，不太安全。
目标定好后，通过穷举法，替换已知材料结构中的不同元素，就产生了3200万种原始的候选材料。项目研究人员贝克尔表示，在没有人工智能之前，如果用传统的物理计算方法筛选候选材料的话，大约需要几十年的时间，所以他们之前做类似的研究，除了讲科学，也要看运气。但是现在借助人工智能和机器学习，从已知材料中训练并快速做出预测，最后他们只花了80个小时，就筛选出了23种可能性最大的材料。
这23种材料里，5种之前已经被发现过了。所以研究人员就从剩下的里面选一种开始合成，最终制成了一个原型电池。更惊喜的是，这个原型电池真的起作用了。最终的方案是把电池里的一部分锂元素换成钠元素。我之所以要说这个专业细节，是因为佛罗里达州立大学的材料学家曾燕说过：“在我们人类的实验里，是不会同时使用两者的，因为可能会让性能变差。但是人工智能提出的这个方案，有点超越了我们的常规思维。”
大家看，在这个新材料的研究过程中，不是说人类或者AI谁更重要，而是只要能合理地定好任务和目标，AI就能协助我们做研究，给我们节省非常多的时间。
今年1月，我在伯克利实验室里看到了一套自动化系统A-Lab，这套系统把AI和机器人组合起来 ，用来创造新材料。不过我当时看的是视频，没能看到真机。但光是视频演示，就已经让我非常震撼了。因为这其实是两个工作阶段，一是AI系统去预测出几十万种稳定材料的配方，另一个是机械臂开始工作，按照刚才出的配方公式，不停地加配料、做实验。只要不停电，机械臂就一秒不停地在工作，这会极大地提升效率。
而且不仅仅是效率，做科研的朋友告诉我说，这种场景主要会让自己的心情非常愉悦，每当自己在健身跑步、吃好吃的、刷剧睡觉的时候，想到在实验室里，还有个机器人在帮自己干那些复杂、枯燥又容易出错的活儿的时候，心里就有种特别幸福的感觉。
好，AI辅助科研提效的案例我就说完了。最后我要提醒一下已经加入AI学习圈的同学，记得点击链接，领取你的3项专属福利。还没加入的同学，现在加入有AI学习周限时优惠，减50元。
点击领取AI学习圈专属福利
好，今天的快刀广播站就到这里了。如果你觉得对你有帮助，欢迎分享到朋友圈或者转发给你的朋友们。明天咱们接着聊AI。
【相关链接】
麻省理工实验室使用人工智能发现复合新材料
https://news.mit.edu/2024/using-ai-discover-stiff-tough-microstructures-0214
人工智能帮助科学家创造一种新型电池
Artificial intelligence helped scientists create a new type of battery