全世界的科学家已经在使用人工智能（AI）通过预测合成之前的行为方式以及识别解决特定问题的有用材料等方法来帮助他们发现新材料。

现在，美国国家标准技术研究院（NIST）的多机构团队开发了用于执行此操作的系统，方法是发明一种称为CAMEO的算法，该算法可帮助他们发现新材料而无需科学家的任何额外培训。

CAMEO是由美国国家标准技术研究院（NIST）的研究人员开发的算法系统，能够通过闭环操作来搜索新材料。AI确定在材料上运行哪个实验，进行实验并收集数据。实验的一个周期可能需要几秒钟到几十分钟。

CAMEO代表材料探索和优化的闭环自主系统，它使用预测和不确定性来确定哪些实验研究人员应下一步尝试发现材料是否适合某项应用。 

该算法是斯坦福大学，美国能源部科学技术办公室，马里兰大学和华盛顿大学等多家教育和研究机构的研究人员的工作。

CAMEO按照其名称的含义进行工作-通过闭环操作寻找有用的新材料。系统确定要在材料上运行的实验，进行实验并收集数据。

简化流程

NIST研究人员Aaron Gilad Kusne说，在进行下一个实验之前，它还可以从科学家那里获取更多信息，例如所需材料的晶体结构。。  

研究人员说，CAMEO旨在通过这种方式帮助科学家优化时间，确保每个实验都能最大化科学家的知识和理解力，从而使他们可以跳过测试，从而为他们提供多余的信息。他们说，这反过来又使实验室能够更有效地使用其有限的资源。

d iscovering特定科学用途的新材料通常是耗时的，试错的过程。如果研究人员对材料的特性如何随不同温度变化感兴趣，那么研究人员可能需要在10个不同温度下进行10个实验。

然而，除了温度以外，其他参数也可能存在，这成倍地增加了研究人员必须进行实验以查看该材料是否非常适合特定工作的次数。

CAMEO基于机器学习，在此过程中，计算机程序可以访问数据并自行处理数据，从而自动改进自身，而无需依赖反复的培训。

独立工作者

在这种情况下，该系统无需任何监督，其发现法律直接编入CAMEO中，马里兰大学材料科学与工程研究人员兼教授Ichiro Takeuchi说。他说，这就是CAMEO可以独自寻找新材料的方式，而无需科学家的任何投入或培训。

竹内在一份声明中说：“我们实验的关键是我们能够在组合库中释放CAMEO，在该库中我们已经制作了各种材料的所有不同成分。”

该团队使用CAMEO发现了一种新材料Ge 4 Sb 6 Te 7，该组织简称为GST467，由锗，锑和碲这三种元素组成。研究人员为该系统提供了177种潜在的材料进行研究，而CAMEO在19个不同的实验周期中做了10个小时的实验。研究人员估计，科学家将花费90个小时来完成相同的工作。

GST467是一种相变存储材料，当通过加热使其快速熔化时，其原子结构从具有指定规则位置原子的晶体或固体材料变为具有随机位置原子的非晶或固体材料。

研究人员正在寻找晶态和非晶态之间“光学对比度”差异最大的材料，以在电子存储应用（如数据存储）中显示出比同类材料更高的性能。

研究人员说，GST467还可以用于控制电路中光的方向的光子开关设备，也可以用于神经形态计算领域，该领域旨在开发模仿大脑神经元结构和功能的装置。

该小组在《自然通讯》杂志上发表了一篇关于其工作的论文。

他们说，研究人员相信CAMEO在材料发现中具有广泛的应用潜力，并计划将算法的代码开源。这样其他科学家也可以使用它。

Kusne说，他们目前专注于改进AI，以提高其解决更大复杂性问题的能力。

 他说：“ CAMEO具有机器人科学家的智慧，它的建立是为了以非常有效的方式设计，运行和从实验中学习。”