借助人工智能，來自瑞士巴塞爾大學的化學家通過計算由四種化學元素組成的晶體，得到了約 200 萬種特性。研究人員還識別出 90 種以前未發現的熱穩定性晶體，可以視為新材料。研究人員將這些發現發表在了科學雜志《物理評論快報》上。

　　能量矩陣，高能勢（紅）或低能勢（藍）

　　鉀冰晶石是一種玻璃態、透明、有光澤、具有立方晶體結構的礦物，在埃爾帕索縣（美國科羅拉多州）首次發現，也曾出現在落基山脈，佛吉尼亞和亞平寧山脈（意大利）。在實驗數據庫中，鉀冰晶石通常是最常被發現的第四紀晶體（晶體由四種化學元素組成）。這取決于它的組成，它可以是一個金屬導體、半導體或絕緣體，當暴露于輻射還會發光，。

　　這些特點使鉀冰晶石很可能被用于制作閃爍物質（其中的某些方面已經可以證明）以及其他情況。其化學的復雜性意味著，從數學上講，要使用量子力學預測由四元素構成的鉀冰晶石結構在理論上的所有可行組合幾乎是不可能的。

　　機器學習助力統計分析

　　依靠現代人工智能技術，伯爾尼大學化學系 Anatole von Lilienfeld 教授組的博士生 Felix Faber 現在已經成功地解決了這種材料的設計問題。首先，他利用量子力學生成了數千種隨機化學成分構成的冰晶石晶體的預測。然后，他利用結果來訓練統計機器學習模型（ML 模型）。改進的算法策略實現了與標準量子力學方法相當的預測精度。

　　ML 模型的優點是可以將相應的量子力學計算速度提高幾個數量級。理論上可以從周期表的主族元素獲得的冰晶石晶體可達 200萬種，該模型一天之內就能夠測完所有化學穩定性中的一個指標——層級能量。相比之下，用量子力學的方法計算，需要使用超級計算機超過 2000 萬小時。

　　新材料，新特性

　　通過模型計算得到的特性分析為這類材料提供了新的見解。研究人員能夠預測檢測基本的能級，并確定 90種根據量子力學預測是熱力學穩定的未知晶體。

　　在這些特征的基礎上，鉀冰晶石已進入材料工程素材數據庫，這在材料基因組計劃中起著關鍵的作用。該倡議是美國政府在 2011 發起的，目的是通過計算協助，加快新材料的發現和合成實驗。

　　一些新發現的冰晶石晶體有著獨特的電子特性和不尋常的成分?！叭斯ぶ悄?，結合大數據、量子力學和超級計算，為我們深化認識和發現新的材料開辟了新的途徑，我們不會考慮如果我們僅僅依賴于人的直覺，”該研究的負責人 Von Lilienfeld 這樣說道。