人为智能的研发方兴未艾。随着其利用领域的不休延长，其他学科也在与人为智能的结合中获自得想不到的收成，新资料就是其中之一。

目前，国表已有人为智能助力新资料研发的案例报路。英国利物浦大学的科研人员研发了一款机械人，在8天内自主设计化学反映路线，实现了688个尝试，找到一种高效催化剂来提高聚合物光催化机能，这项尝试若由人为实现将破费数月功夫。不久前，日本大阪大学一名教授利用1200种光伏电池资料作为训练数据库，通过机械进建算法钻研高分子资料结构和光电感应之间的关系，成功在1分钟内筛选出有潜在利用价值的化合物结构，传统步骤令需5—6年功夫。

这样的成功利用蕴藏了索求新资料和科技进取的无限可能。纵观人类汗青，每一次科技革命都与资料的发展息息有关。工业革命前，石器、青铜器、铁器的发展将手工业逐步从狩猎和农牧业中分离出来。第一次工业革命后，钢铁和复合伙料逐步占据了人们的日常生涯。第三次工业革命后，半导体、高晶硅、高分子资料迅速发展，成为需要量巨大的新资料。本世纪以来，随着高端造作业的进一步美满，新资料萦绕职能化、智能化、集成化发展蹊径，与纳米技术、生物技术、信息技术等新兴产业深度融合，成为科技进取的沉要伎俩。

新资料的研造是基础钻研和利用基础钻研相互融合推进的过程，往往必要经历化学性质改进和物理加工改进，过程颇为不易。以近年来鼓起的智能纤维为例，这种新资料能随表界环境刺激产生体积或状态变动，可用于构筑可穿戴智能设备。对它研发时，首先要相识其刺激响应机理，并成立一个相宜的物理模型进行诠释；其次要选择相宜的资料作为钻研对象，使用化学伎俩改进其职能单元的职能与性质，通过反复尝试摸索其刺激响应的前提，并美满结构单元的机能；最后是出产加工，历经纺丝、染整、编织等分歧的处置流程，不休进行工艺优化与技术改进。由此可见，新资料研发是一种典型的试错性研发，经历周期往往较长。

为了缩短研发周期，人为智能能够作为一个强有力的辅助工具，借助数据共享，对先进资料的物理化学性质进行预测、筛选，从而加快新资料的合成和出产。从前，资料的设计都是通过理论推算来构建结构和性质的关系。不外，由于原子有好多分歧的结合方式，设计一个新的分子结构就如统一个搭积木游戏，拼搭过程中无法预知分子的性质。作为人为智能的一个分支，机械进建算法在辅助新资料设计时尤为“得力”，其工作过程重要蕴含“描述符”天生、模型构建和验证、资料预测、尝试验证4个步骤。所谓“描述符”，就是凭据现罕见据来描述资料的某些特殊性质，再通过非线性的大局构建训练模型，从而预测新资料性质，这个过程不再依赖物理知识。

人为智能要想和新资料擦出更多的“火花”，仍面对一些挑战。好比，AI算法很难正确预测晶体结构，训练数据的靠得住性仍有待理论步骤的发展等。为了更好阐扬学科交叉融合的乘数效应，除了必要算法不休改进表，理论推算化学的发展、资料性质表征伎俩的研发也应齐头并进。将来，相信通过各方科学家的致力，新资料的创新成就将会不休涌现。