航太、能源和運算領域的企業不斷尋求新材料來提升性能。然而，為了了解這些材料在火箭或電腦晶片中實際的行為，企業必須先製造並測試它們。

這是因為即使是最強大的模擬技術，也難以模擬當今大多數固體材料中複雜的化學排列。這個問題增加了材料創新的成本和時間。

現在，麻省理工學院的一個研究團隊開發出了一種方法，無論化學排列多麼複雜，都能準確模擬金屬的行為。這種方法的關鍵是機器學習模型，它們使材料模擬更快、更準確。

研究人員透過建立能捕捉化學無序材料中多樣原子環境的訓練資料集，改進了這些模型。

在《科學進展》（Science Advances）發表的一篇新論文中，研究人員展示他們的方法可用於準確預測各種金屬合金在不同條件下的材料特性。他們也指出，此方法可用於開發新材料，尤其是在實驗成本高昂的情況下。

「論文的重點是金屬合金，這是我工作的領域，但這可以應用於其他類型的材料，例如半導體。」資深作者、麻省理工學院材料科學與工程系 TDK 職業發展教授 Rodrigo Freitas 表示。

「這不限於任何單一應用，你可以使用這種方法來創造新的永續鋼材、新的航太材料等等。這就是它令人興奮的地方。」

與 Freitas 共同撰寫論文的還有第一作者 Killian Sheriff 博士（2026 屆）；麻省理工學院博士生 Daniel Xiao 和 Yifan Cao；以及雪菲爾大學高級講師 Lewis R. Owen。

材料特性主要由其化學元素的內部排列決定。即使兩種材料具有相同的化學元素組合，不同的化學排列也可能導致材料從易碎變成可變形而不斷裂。

捕捉這種區別需要逐原子模擬材料。為此，研究人員依賴描述原子如何相互作用的模型。在過去的二十年中，機器學習已成為建立這些模型最準確的方法。

當材料內部的化學排列遵循高度有序的模式時，這些模型運作良好，但大多數固體材料並非如此，它們的原子化學排列是無序的，並且因區域而異。

「我們領域真正的挑戰是模擬這些化學無序相。」Freitas 說。「化學無序意味著存在巨大的局部化學環境多樣性，這對機器學習模型來說很難學習。這是一個問題，因為我們實際使用的每種金屬都是化學無序的。」

問題歸結為這些逐原子模擬缺乏具代表性的訓練資料。目前領先的資料建立方法是透過暴力運算，通常需要超過 10 萬小時的計算才能為單一材料建立訓練資料。

即使如此，當研究人員改變材料成分時，它的轉移效果也不佳。

在先前的研究中，Freitas 的團隊開發了一種透過分析微小原子群的頻率和間距來測量固體材料化學複雜性的方法。在這項研究中，研究人員利用這項能力來建立更好的訓練資料集。

他們使用一種稱為資訊理論的數學方法來生成訓練資料集，捕捉無序材料中更廣泛的局部化學環境。該方法透過替換樣本中的原子來減少重複，並讓模型接觸到它可能錯過的化學環境。

「我們不斷優化訓練集，使其捕捉盡可能多的不同局部環境。」Freitas 說。「如果相同的環境多次出現，我們就會用模型以前沒有見過的例子替換掉重複的例子。這使得訓練集更具資訊性，因為每個例子都增加了新的東西。」

當使用研究人員的資料集進行訓練時，這些模型比使用隨機取樣或其他流行取樣方法訓練的模型更準確地預測材料特性。

「所有這些逐原子模擬的起點是：你是否能夠準確描述原子之間的化學鍵？」Freitas 解釋道。「如果不能，它仍然可以讓你了解一般材料，但它無法告訴你特定材料在現實世界中會發生什麼。這種方法使模擬在化學方面具有高保真度，以更好地反映材料的實際情況。」

研究人員將他們的技術應用於一組化學多樣的金屬合金，以建立機器學習訓練資料集。他們使用一組機器學習模型，展示了在他們的資料集上訓練的模型比 Google 和 Microsoft 等公司創建的更大模型更準確。

「我們確信它在不使用這些昂貴的暴力運算方法的情況下也能奏效。」Freitas 說。「我告訴 Killian，『這是一篇不錯的論文。但如果你能證明使用這些模型的模擬現在可以準確預測有用的材料特性，那麼它就會成為一篇非常好的論文。』Killian 銘記於心，並盡可能廣泛地測試了這一點。」

Sheriff 與 Xiao 和 Cao 合作，在不同的合金和特性上測試了該方法。該團隊還利用 Owen 的實驗數據，將模擬結果與合金中原子排序的實際測量結果進行比較。

該方法之所以有效，部分原因在於它捕捉了樣本資料中的隱藏模式。研究人員在論文中將這些模式描述為「對某些局部化學組態的微妙能量偏向」。

這些微小的能量差異很重要，因為它們決定了合金中形成的相、這些相如何隨溫度和成分變化，以及最終材料將具有哪些特性。作為一項測試，Daniel Xiao 主導的模擬顯示，該團隊的模型可以預測與實驗數據高度吻合的相圖。相圖描繪了在不同溫度和化學成分下哪些相是穩定的，它們是設計和加工合金的核心工具。

「相圖是人們將材料建模與實際加工決策聯繫起來的主要方式之一。」Freitas 說。「如果你正在焊接、鑄造或熱處理合金，你需要知道在不同條件下可能形成哪些相。我們的目標是讓這些預測足夠準確且易於使用，使其成為人們設計材料方式的一部分。」

研究人員現在正在使用這種方法來研究合金成分如何影響機械性能和輻射耐受性，目標是設計在惡劣環境中仍能保持堅固和耐損傷的材料。他們也正在努力使該方法更容易與材料工程師已經依賴的工具和工作流程結合。

「如果你的創造不符合他們現有的操作程序，業界就不會改變他們的工作方式。」Freitas 說。「目標是讓這些預測在材料決策實際發生的場所發揮作用。」

這項研究得到了美國空軍科學研究辦公室的支持。