Nature重磅論文：科學家通過“AI黑盒”，發現光伏新材料

最近，伊利諾伊大學厄巴納-香檳分校（UIUC）和多倫多大學的研究團隊通過“AI黑盒”，將閉環實驗與基於物理的特徵選擇和監督學習相結合，提出了一種名爲“閉環遷移”（closed-loop transfer，CLT）的新方法，旨在從閉環優化過程中提取和驗證物理洞察，並指導化學發現。基於此，他們發現了光伏電池新材料，爲提高穩定性做出了進一步的貢獻。

相關研究成果以題爲“Closed-loop transfer enables artificial intelligence to yield chemical knowledge” ，於8月28日發表在 Nature 上。

據介紹，CLT 可以幫助研究人員快速識別影響目標函數的關鍵物理特徵，從而更好地理解化學現象背後的原理。同時，CLT 可以指導實驗設計，避免不必要的實驗嘗試，從而提高實驗效率。此外，CLT 還能幫助研究人員發現新的化學知識，併爲材料設計和藥物發現等領域提供新的思路。

“AI黑盒”是指內部工作原理對用戶不可見的 AI 系統，可以向它們提供輸入並獲得輸出，但是不能檢查產生輸出的系統代碼或邏輯。目前，人工智能引導的閉環實驗已成爲一種有前途的目標函數優化方法，但這種傳統的黑盒方法在發現新化學知識方面的巨大潛力仍未得到充分開發。

然而，AI黑盒是一把“雙刃劍”。在實際應用中，還存在技術、安全、倫理及道德等諸多問題，仍需加強安全測試及建立有效的監督機制等方式來降低這些風險。

同時，AI在科研中的應用已形成了一個全新的概念——AI for Science，並逐步融入各行各業，如生物製藥、新材料研發、前沿物理研究、氣候預測、地球模擬和天文探索等，尤其在化學和生物醫藥領域，AI都有着應用廣泛。