密歇根大学的一组研究人员开发了一种机器学习算法来研究硬质玻璃的成分。玻璃粒子的无序性质使人们很难通过观察其组成来了解玻璃的特性。因此，研究人员开发了一种独特的算法，利用计算机模拟来研究玻璃的性能。该算法有助于研究极硬玻璃材料的组成。硬质玻璃被用于制造风力涡轮机和下一代汽车的部件。研究人员的发现发表在一篇新论文中“npj计算材料”。
密歇根大学材料科学教授梁琦回答了有关这项研究的重要问题。
研究玻璃材料的重要性
梁揭示了弹性刚度在理解玻璃材料作用中的重要性。玻璃材料可以根据材料的弹性刚度值恢复其原始形状。此外，各种材料的结构应用也依赖于其弹性刚度。更高的刚度意味着薄的玻璃可以被赋予更大的抗冲击能力。用于智能手机、挡风玻璃和触摸屏设备的结构玻璃也由硬质玻璃材料制成。除此之外，玻璃纤维复合材料还被用于制造卡车、汽车和风力涡轮机的轻量化产品。梁认为，新的算法可以在轻型车制造中发挥关键作用。
解决的局限性
玻璃粒子的无序和无定形性质使其原子结构难以确定。除此之外，关于玻璃成分的数据的缺乏给机器学习算法带来了挑战。为了解决这些问题，研究人员使用了适用于少量数据的机器学习标准。使用小数据集帮助研究人员对玻璃成分做出更可靠的预测。
