炼金术试图将铅和铜之类的廉价金属转化为黄金，但尚未成功。然而，随着合金的发展，其中两种或三种辅助元素与当今最好的元素混合在一起，现代炼金术可以生产出具有高强度的高科技金属材料，例如高熵合金。现在，与人工智能一起，无需重复实验就可以预测高科技材料的晶体结构的时代。

POSTECH化学系的Ji Hoon Shim教授和Taewon Jin博士(目前是KAIST的第一作者)和POSTECH人工智能研究生院的Jaesik Park教授组成的联合研究小组共同开发了一个预测硅藻土晶体结构的系统。具有可扩展特征的多元素合金，无需大量培训数据。这些研究结果最近发表在《科学报告》上。

固态材料的特性取决于其晶体结构。在固溶高熵合金(HEA)(一种具有相同晶体结构但在一定范围内连续改变其化学组成的材料)的机械性能(例如强度和延展性)会根据结构相的不同而变化。因此，预测材料的晶体结构在寻找新的功能材料中起着至关重要的作用。最近已经研究了通过机器学习预测晶体结构的方法，但是准备训练所需的数据要付出巨大的代价。

为此，研究团队设计了一个人工智能模型，该模型通过可扩展的特征和二元合金数据来预测HEA的晶体结构，而不是在训练过程中使用超过80%的HEA数据的传统模型。这是第一项使用仅对二元合金的成分和结构相数据进行训练的人工智能模型预测包括HEA在内的多元素合金的晶体结构的研究。

通过实验，研究人员证实，即使在训练过程中不涉及多元素合金数据，也可以预测多元素合金的结构相具有80.56%的准确度。对于HEA，预测的准确性为84.20%。根据研究小组开发的方法，预计与以前的方法相比，可以节省大约1000倍的计算成本。

“将人工智能方法学应用于新材料的开发需要一个巨大的数据集，”负责这项研究的吉勋申教授解释说。“这项研究意义重大，因为它可以有效地预测先进材料的晶体结构，而无需确保庞大的数据集。”