AI 精準預測「超級金屬」配方，改寫材料科學研發模式

材料科學領域 3 月迎來重大技術突破。維吉尼亞理工學院暨州立大學（Virginia Tech）與約翰霍普金斯大學（Johns Hopkins University）的研究團隊宣布，成功開發出一套數據驅動的人工智慧（AI）框架，能大幅加速研發可承受極端環境的「超級金屬」。這項研究由維吉尼亞理工學院暨州立大學化學工程副教授 Sanket Deshmukh 領導，並獲得美國國家科學基金會（NSF）的資助。

這種新型金屬被稱為「多主元素合金」（Multiple Principal Element Alloys，MPEA）。與傳統合金以單一金屬為基底混合少量元素的做法不同，MPEA 是將多種元素以近乎相等的比例混合。這種獨特的組成結構賦予了材料非凡的特性，使其在極高溫下仍能保持強度，在巨大壓力下具備抗裂性，並能在普通材料失效的惡劣環境中維持穩定。科學家認為，這類材料將徹底改變航太、核能系統、先進引擎及各類精密機械的製造方式。

研發 MPEA 的主要挑戰在於其組合可能性極其龐大。僅從少數元素中挑選五種並微調比例，就能產生數千種性質各異的材料。若採用傳統的「試錯法」進行實驗，往往需要耗費數十年才能找到理想的配方。為了解決這個難題，研究團隊引入「可解釋人工智慧」（Explainable AI，XAI）與超級運算技術。

▲ 化學工程系副教授Sanket Deshmukh與化學工程系研究科學家Fangxi “Toby" Wang正在討論可解釋人工智慧方法的研究成果。（Source：維吉尼亞理工學院暨州立大學）

與傳統被視為「黑盒子」的 AI 不同，可解釋 AI 能提供預測背後的邏輯與理由。研究團隊利用名為 SHAP 的分析方法，深入了解 AI 的決策過程，進而辨識哪些元素對合金強度的影響最為關鍵，以及原子間的相互作用如何改變材料性能。這種方法不僅能預測哪些組合有效，更能解釋其背後的科學原理，將昂貴且耗時的實驗轉變為具備預測性與洞察力的研發流程。

這套 AI 框架的應用潛力不僅限於金屬研發。研究團隊目前正將其擴展至「醣類材料」（Glycomaterials）的設計，這類受生物分子啟發的材料可用於食品添加劑、個人護理產品、醫療保健及包裝材料。在全球對工業金屬需求激增、供應鏈面臨挑戰的背景下，AI 驅動的材料研發不僅能穩定資源供應，還能透過預測材料在極端環境下的失效模式，延長工業資產的使用壽命並降低維護成本。

這項跨學科的合作展示了計算、合成與表徵技術的結合，如何推動基礎科學與現實應用領域的轉型突破。隨著 AI 技術的持續演進，材料科學正從傳統的實驗摸索，邁向精準預測與高效設計的新紀元。