使微电子设备更快、更节能以及设计新的计算机架构的关键之一是发现具有可调整电子特性的新材料。
MITs的电阻率可能表现出金属或绝缘的电子行为，这取决于环境的属性。
尽管一些表现出MITs的材料已经在电子设备中实现，但只有不到70种具有这种特性的材料是已知的，甚至更少的材料表现出集成到新电子设备中所必需的性能。
此外，这些材料由于各种机制而发生电转换，这使得获得对这一类材料的一般理解变得困难。
“通过提供一个数据库、在线分类器和新的功能集，我们的工作为理解和发现这类材料开辟了新的途径，"麦考密克工程学院材料和制造专业的Morris E. Fine教授和该研究的相应主要研究人员James Rondinelli说。
”此外，这项工作可以帮助其他科学家以加速发现和了解其他类别的量子材料。
”
利用他们对MIT材料的现有知识，结合自然语言处理(NLP)，研究人员搜索了现有文献，以确定60种已知的MIT化合物，以及300种化学成分相似但不显示MIT的材料。
该团队已将所得到的材料以及它所确定的相关特征作为一个免费的数据库提供给科学家，供公众使用。
然后使用机器学习工具，科学家们确定了描述这些材料的重要特征。
他们确认了某些特征的重要性，例如过渡金属离子之间的距离或一些已知的静电排斥，以及模型的准确性。
他们还确定了新的、以前未被重视的特征，如原子之间的大小不同，或衡量原子间键的离子或共价程度。
这些特征在为麻省理工学院的材料开发一个可靠的机器学习模型时被发现是至关重要的，该模型已被打包成一个可公开访问的格式。
“我们的工具和模型的关键因素之一是它们可以被广泛的受众使用；科学家和工程师不需要了解机器学习就可以使用它们，就像人们不需要深入了解搜索算法就可以浏览互联网一样，”Rondinelli实验室的博士后研究员Alexandru Georgescu说，他是该研究的第一共同作者。
该团队在7月6日发表在学术期刊《材料化学》(Chemistry of Materials)上的论文《数据库、特征和机器学习模型来识别热驱动的金属-绝缘体过渡化合物》中介绍了其研究。
(原标题：不限领域不设门槛！科学家开发免费AI工具以推进新型材料发现)