当主厨开发新的蛋糕食谱时，她不会尝试每一种可以想象到的成分组合，以查看哪一种效果最好。厨师使用先前的烘焙知识和基本原理来更有效地搜索成功的公式。

材料科学家使用类似的方法在可再生能源和微电子等领域寻找具有独特性能的新型材料。康奈尔大学研究人员开发的一种新人工智能工具有望快速探索和识别“制造”新材料所需的条件。

SARA(科学自主推理代理)集成了机器人材料合成和表征，以及人工智能和主动学习方法的层次结构，以有效揭示复杂加工相图的结构，使材料发现速度大大加快。

计算机科学领域的博士生 Sebastian Ament 和前博士后研究员、现任康奈尔大学访问科学家 Maximilian Amsler 是“通过非平衡相图的分层主动学习进行自主合成”的共同主要作者，该书于 12 月 12 日发表。 17 在科学进展。

SARA 的第一个原型是由 R. Bruce van Dover、Walter S. Carpenter, Jr. 工程教授共同领导的多学科团队开发的;Michael Thompson，材料科学与工程系 (MSE) 的 Dwight C. Baum 工程教授;Carla Gomes，康奈尔 Ann S. Bowers 计算与信息科学学院的 Ronald C. 和 Antonia V. Nielsen 计算与信息科学教授;和约翰·格雷瓜尔博士 ' 09，加州理工学院研究教授。

对于这项工作，研究人员将重点放在无机材料上，尤其是那些可以被困在“亚稳态”状态的材料，这些状态最终可能会随着时间的推移转变为“平衡”状态。例如，金刚石是亚稳态的，如果有足够的时间，它最终会转变为石墨。

许多这样的亚稳态材料具有独特的特性，使其适用于许多应用，但由于它们不是自然存在的，因此识别它们可能是一项耗时且费力的工作。研究人员说，SARA 可以将表征新材料系统所需的实验时间缩短一到两个数量级——从几天到几小时，从几小时到几分钟。

“我们使用的所有有用的东西都趋向于亚稳态——例如铁和硅——所有这些都处于不太平衡的结构中，这赋予了它们独特的特性，”汤普森说。“因此，搜索的一部分是寻找具有关键特性的新材料和新结构。”

SARA 以闪电般的速度进行这些搜索。在分析了一条材料后——在这种情况下，氧化铋的不同相和与温度相关的特性，通过溅射沉积在晶片上的薄膜中，并通过一种称为横向梯度激光尖峰退火的技术进行处理——SARA 决定下一个要进行的实验，立即进行，然后重复该过程。这些循环中的每一个都在短短几秒钟内完成。

实验在康奈尔大学高能同步加速器源 (CHESS) 以及康奈尔大学纳米级科学技术设施中进行。

“计算机正在原位和现场控制实验，”汤普森说。“有一个命令可以在特定条件下处理材料，然后立即对其进行表征，并根据现在可用的即时新知识，对下一个实验将进行什么做出新的决定。”

“所以在弄清楚下一个实验是什么之后，它实际上做了那个实验，”范多佛说。“然后继续并重新解释，然后又提出了另一个实验——所有这些都没有人工干预。”

Gregoire 将 SARA 称为“自动驾驶实验室”。

“假设你在山上并使用自主导航，”他说。“程序的一部分是弄清楚如何到达一座山峰的顶部，另一部分是拍摄整个山脉的照片，然后说‘嘿，也许我应该去另一座山峰上走一会儿。 '"

Van Dover 将其视为一个定性层次结构，以及一个定量层次结构。

“在科学中，有巨大的机会来观察不同的维度，”他说。“我想说 [SARA 代表] 从查看山脉的地形到突然间，将存在什么样的树木、昆虫或动物。那是一种不同的维度。”

Gomes 说，这项工作符合教务长办公室发起的激进合作倡议。

“我们汇集了人工智能、计算机科学、材料科学领域的研究人员，”兼任康奈尔大学计算可持续性研究所所长的戈麦斯说。“这个想法是，我们让人工智能执行部分科学过程。”