新资料抚育新发明。Gorilla Glass 现已许多被运用于智能手机;凯夫拉在解救生命之余初步进入消费级产品;锂离子电池技能为高能耗设备供给了动力来历。可是，研制新资料却是一项极端费时吃力的任务。

发明一种全新的打破性资料是极端费时的进程 – 特别是和那些依靠这些资料的产品的研制周期比较。波音 787 梦境客机从概念到商业飞行只花了 9 年不到;苹果从 2005 年初步规划 iPhone，2007 年就可以正式上市。作为比照，新式资料的诞生可能要花上长达 20 年的研讨和试验。

两年前，美国政府以打破这个科技瓶颈为方针，建立了Materials Genome Initiative(MGI)项目。MGI 的方针是大幅削减新资料研制所需的时刻和财力投入。和人类基因组方案为咱们的基因绘制地图的任务相似，科学家想要经过 MGI 找出元素间的相互效果对资料的品种和性质带来的广泛影响。以这些常识作为基础，科学家和工程师们将有期望以更短的周期为不同运用“定制”相应的资料。

元素间排列组合的数目数不胜数，其间大多数对咱们来说没有意义。而企图在试验室里尽头这些排列组合是彻底不合实践的。所以，MGI 的一些项目组现已初步凭借大数据的力气来模仿一切的可能性，然后经过剖析数据向有潜力的方向进行深入研讨。

建立多年以来，MGI 促成了一些第三方项目的协作。其间就有来自麻省理工学院的Materials Project和哈佛的Clean Energy Project。这两个方案以相似的理论基础寻求不同的答案。前者的研讨会集在无机固体上，特别以电池资料为主，而后者的清洁动力方案以可用于太阳能电池的分子资料为中心。两者均运用密度泛函理论(Density Functional Theory)搜集的巨型数据库来猜测模仿物质模型的实践特点。

MIT 的 Material Project 大约在 8 年前在 Gerbrand Ceder 教授的协助下建立。作为多家公司的参谋，Ceder 积累了许多效果。可是和少量公司的协作使得这些名贵数据被封闭起来。“假如咱们向一切人供给这些数据，人们会发明出许多惊人的效果，这便是 Materials Project，”他说。现在， MIT 的数据库里保存了大约 10 万种已知或理论上的资料信息。为了充分发挥这些数据在新资料研制中的效果，MIT 学者用人工挑选加机器学习的方法来探究各种化学规律。

相似的，哈佛清洁动力方案也用人工加机器组合来探究其数据库。该方案始于一次对有机太阳能电池资料概念的验证试验。学者们彻底虚拟的情况下计算了大约 15 种新式混合物在实际国际里的体现。模仿运算的终究效果是一种有超强电气性质的新物质。这还仅仅一名研讨生经过几回试验得出的效果，幻想假如从一支志愿者大军那儿借来他们的运算才能，效果会扩大多少?

这正是清洁动力方案现在选用的战略：任何人都可以经过在电脑上下载一个程度来进行运算并把返还效果。有了这个可任意分配的巨大资源，学者们现已计算了几百万种潜在组合 – 这仅仅是个初步。“项目进入了一个非常风趣的阶段”Hachmann 博士说，“对咱们来说差不多是从辛勤劳动中收集硕果的时分了。”现在，哈佛在网上发布了230万种混合物组合供一切人研讨运用。尽管这些数据的初衷是助力太阳能电池的研制，科学家也可用任何有价值的信息来协助其它方面的研讨。MIT 也有个网络进口供人们读取 Materials Project 的数据。

Ceder 期望巨大的 MGI 方案可以完结它的任务。事实上，Ceder 现已看到一些效果了，他正在为一项新的电池资料申请专利，这关于生长中的 MGI 和电池技能开发来说都是很好的成果。Ceder 以为互联网和大数据的参加能为这个方案带来无法预知的前进和发现，“当具有这种组合的时分，你无法猜测人们将会带给你什么。”

原文链接：http://www.36kr.com/p/206581.html