歐洲也有類似的計算材料計劃：由瑞士洛桑聯邦理工學院（EPFL）為首的一批計算材料科研機構共同組建了 MARVEL，EPFL 的材料科學家 Nicola Marzari 是該項目的負責人。Marzari 正在使用新的計算平臺制作一個叫做 Materials Cloud 的數據庫，主要用于搜索石墨等由一層原子或分子組成的“二維”材料，這類材料可以在納米電子、生物醫學設備領域得到廣泛應用。Marzari 的 Materials Cloud預 計今年晚些時候啟動，學界也對此表示了普遍的關注。據 Mzrzari 預計，到 Materials Cloud 開放時，系統將會得出大約 1500 種有望進入試驗階段的二維材料結構。
人工智能幫助科學家發現新材料。來源：Nature
不過，計算材料的發現也不全是好的結果：EPFL 中心的計算化學家 Berend Smit 及其研究組篩選了計算機預測的 65 萬種材料后得出結論，當前用于存儲甲烷的材料基本已經是最好的了，縱使得到改善，存儲效率也只能微量提升，這說明美國寄希望于重大技術突破（如使用納米多孔材料存儲甲烷）而設定的能源目標很可能是不現實的。
目前，Ceder 和 Curtarolo 都在努力開發更好的機器學習算法，從已知化合物合成過程中提取規律。Marzari 告訴 Nature 記者，材料科學已經從手工時代進入了產業化階段，雖然現在市面上還沒有計算材料得到應用，但他相信十年后不僅會有，而且可能會有很多。
不過，就連支持使用計算機和機器學習生成假想材料的科學家也指出，要從假想材料到現實落地還有很長一段距離。首先，現有數據庫所含有的材料數據本身就不多，連現有已知材料都沒有收錄完全，更被說計算機生成的材料了。其次，這種用數據驅動的發現方法并不適用于所有的材料（目前算法只能預測完美晶體）。再者，即使計算機生成了一種極有前景的材料，要在實驗室里將其合成、制為實物也仍然可能需要花費很長時間。Ceder 對 Nature 記者說，計算機隨時都在生成有趣的新材料，但有時候半年多時間都無法在實驗室里將其制造出來。換句話說，在理論上合成一種材料相對簡單，但要在實驗室里把它做出來很難。
電池網微信
