据物理学家组织网10月29日（北京时间）报道，美国科学家使用遗传算法逆向设计出一种架构，并用这种架构来设计新型纳米材料。这是科学家们首次证明，可用逆向设计方法来设计自组装的纳米结构。另外，该研究也证明了机器学习和“大数据”方法在设计纳米材料方面的潜力。最新研究发表在10月28日出版的美国《国家科学院院刊》上。
该研究团队使用以前研发出的一种遗传算法，设计出嫁接了DNA的粒子，这种粒子能自组装成他们想要的晶体结构。这是一种逆向研究过程。传统研究中，嫁接了单链DNA的胶状粒子可以自组装，随后，科学家们会对得到的晶体结构进行检查，然后再进行改进，直到得到自己想要的结构。
该研究的合作者森纳特·库尔玛表示：“尽管传统方法有助于我们事后理解是什么因素在管控这一自组装过程，但并不能让我们提前设计出我们需要的结构。最新研究解决了这个设计问题，而且，提出了一种革命性的优化方法，其不仅能提前再现细节，而且也能解释以前未被观察到的结构。”
该研究的领导者、哥伦比亚大学化学工程学教授文卡特·文卡塔苏布拉曼尼安表示：“我们的设计架构将有助于加速新材料的制造过程。从某种意义上来说，我们正在通过让其同计算方法完美地匹配，从而改变新材料的制造过程。”
该研究团队正在使用“大数据”概念和新技术来发现和设计新式纳米材料，这是美国“材料基因组计划”的一个优先领域。“材料基因组计划”的目的是研发出新方法来革新材料的设计，从而改进与日常生活息息相关的产品，这些产品涵盖的范围非常广，从药物到杀虫剂或除草剂等农业化学物质再到燃料附加物、涂料和油漆，甚至洗发精这样的个人护理产品等。
哥伦比亚大学数据科学与工程研究所所长凯思琳·麦吉翁表示：“这一逆向设计方法证明了机器学习和算法工程方法在解决材料科学领域面临的重大挑战方面极具潜力。”
文卡塔苏布拉曼尼安表示，他们计划对这一方法继续探索，改进其模型并引入更多的机器学习技术。
总编辑圈点
遗传算法是常见于人工智能领域的概念：用自然演化，优胜劣汰的方式选择最合适的结构。这种算法如今用于材料设计，前提是科学家积累了大量材料实验数据。材料化学如此复杂，以致于一些化学过程的因果链条很难还原。而引入大数据，可以避开对因果关系的追寻，并给出很可能正确的推测。此次初试成功后，材料学家想必会更多借助计算机挖掘旧数据。探索的路上多了一盏明灯。（中国科技网-科技日报）
