据外媒报道，来自西北工程学院和麻省理工学院的跨学科科学家团队使用人工智能(AI)技术构建了一种新的、免费的、易于使用的工具从而让科学家能加快发现和研究呈现金属-绝缘体过渡(MIT)的材料的速度及识别新的特征来描述这类材料。

使微电子器件更快、更节能及设计出新的计算机架构的关键之一是发现具有可调谐电子性能的新材料。MIT的电阻率可能会表现出金属或绝缘电子行为，而这取决于环境的性质。

尽管一些具有MIT特性的材料已经应用于电子设备中，但已知的只有不到70种材料，另外，具有集成到新电子设备中所必需的性能的材料则更少。此外，由于各种各样的机制，这些材料用电开关，使得获得这类材料的一般理解非常困难。

“通过提供数据库、在线分类器和一组新的特征，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与制造Morris E. Fine教授、该研究的论文研究者James Rondinelli说道，“此外，这项工作可以被其他科学家使用并应用于其他材料类别以加速发现和理解其他类别的量子材料。”

“我们的工具和模式的关键元素之一是，它们面向广泛的受众；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，科学家和工程师不需要了解机器学习就可以使用它们，”Rondinelli实验室博士后研究员、该研究的首位合著者Alexandru Georgescu说道。

据悉，该研究小组于2021年7月6日在《Chemistry of Materials》上发表了相关论文--《Database, Features, and Machine Learning Model to Identify Thermally Driven Metal–Insulator Transition Compounds》。

美国西北工程大学工业工程和管理科学教授、这项研究的主要研究研究人员之一Daniel Apley指出：“这个免费的工具可以让任何人快速获得他们正在研究的材料是金属、绝缘体还是金属-绝缘体过渡化合物的概率估计。”