欧洲也有类似的计算材料计划：由瑞士洛桑联邦理工学院（EPFL）为首的一批计算材料科研机构共同组建了 MARVEL，EPFL 的材料科学家 Nicola Marzari 是该项目的负责人。Marzari 正在使用新的计算平台制作一个叫做 Materials Cloud 的数据库，主要用于搜索石墨等由一层原子或分子组成的“二维”材料，这类材料可以在纳米电子、生物医学设备领域得到广泛应用。Marzari 的 Materials Cloud预 计今年晚些时候启动，学界也对此表示了普遍的关注。据 Mzrzari 预计，到 Materials Cloud 开放时，系统将会得出大约 1500 种有望进入试验阶段的二维材料结构。
人工智能帮助科学家发现新材料。来源：Nature
不过，计算材料的发现也不全是好的结果：EPFL 中心的计算化学家 Berend Smit 及其研究组筛选了计算机预测的 65 万种材料后得出结论，当前用于存储甲烷的材料基本已经是最好的了，纵使得到改善，存储效率也只能微量提升，这说明美国寄希望于重大技术突破（如使用纳米多孔材料存储甲烷）而设定的能源目标很可能是不现实的。
目前，Ceder 和 Curtarolo 都在努力开发更好的机器学习算法，从已知化合物合成过程中提取规律。Marzari 告诉 Nature 记者，材料科学已经从手工时代进入了产业化阶段，虽然现在市面上还没有计算材料得到应用，但他相信十年后不仅会有，而且可能会有很多。
不过，就连支持使用计算机和机器学习生成假想材料的科学家也指出，要从假想材料到现实落地还有很长一段距离。首先，现有数据库所含有的材料数据本身就不多，连现有已知材料都没有收录完全，更被说计算机生成的材料了。其次，这种用数据驱动的发现方法并不适用于所有的材料（目前算法只能预测完美晶体）。再者，即使计算机生成了一种极有前景的材料，要在实验室里将其合成、制为实物也仍然可能需要花费很长时间。Ceder 对 Nature 记者说，计算机随时都在生成有趣的新材料，但有时候半年多时间都无法在实验室里将其制造出来。换句话说，在理论上合成一种材料相对简单，但要在实验室里把它做出来很难。
电池网微信
