人工神经网络——受大脑连接启发的算法——已经“学会”执行各种任务，从自动驾驶汽车中的行人检测到医学图像分析再到语言翻译。现在，加州大学圣地亚哥分校的研究人员正在训练人工神经网络来预测新的稳定材料。

加州大学圣地亚哥分校雅各布斯工程学院纳米工程教授、资深作者休宫品说：“预测材料的稳定性是材料科学、物理和化学的核心问题。”一方面，你有传统的化学直觉，比如LinusPauling的五法则，描述了晶体在半径和离子积累上的稳定性。另一方面，你有昂贵的量子力学计算来计算从晶体形成中获得的能量，这必须在超级计算机上完成。我们所做的就是用人工神经网络把两个世界连接起来。'

通过训练人工神经网络来预测晶体的形成能，只需要两个输入——来组成原子的电负性和离子半径3354。材料虚拟实验室的Ong和他的团队开发了一个模型，可以识别两种类型晶体中的稳定材料，称为石榴石和钙钛矿。这些模型比以前的机器学习模型精确10倍，并且它们足够快，可以在几个小时内有效地筛选出成千上万的材料。这项工作在《自然通讯》年9月18日发表的一篇论文中有详细介绍。

“石榴石和钙钛矿用于LED灯、可充电锂离子电池和太阳能电池。这些神经网络有潜力大大加速新材料的发现，用于这些和其他重要应用。愤怒材料虚拟实验室的学生。

该团队已经通过http://crystals.ai的网络应用向公众开放了他们的模型，该模型允许其他人使用这些神经网络来计算飞行中任何石榴石或钙钛矿成分的形成能量。

研究人员计划将神经网络的应用扩展到其他晶体原型和其他材料特性。