Jonathan Bean，Materials Nexus 的 CEO 和联合创始人 – 采访系列

Jonathan Bean 是 Materials Nexus 的 CEO 和联合创始人。凭借材料科学的理论和实践工程背景，Jonathan 很快就确定了一个新的材料建模平台的机会。在剑桥大学担任研究员期间，他创立了 Materials Nexus，以加速新材料的采用来应对气候危机。

Jonathan 在约克大学的博士研究重点是多晶材料的高级建模技术。

除了 Materials Nexus 的角色外，Jonathan 是 Global Talent Mentoring 和由 Royal Academy of Engineering 主办的 Leaders in Innovation Fellowships 的导师。他还在剑桥大学三一学院教授材料科学，并且是伦敦南岸大学的访问研究员。

Materials Nexus 是一家使用 AI 制造比以往任何时候都更快的优质材料的公司。

您能否分享 Materials Nexus 的创立故事？是什么激发了公司的创立和其对 AI 驱动的材料发现的关注?

最终，能够建造的东西的限制是用来建造它的材料；这就是我学习材料科学的动机。在剑桥大学与我的联合创始人 Robert Forrest 合作期间，希望加速我们的研究进度，激发了我们开发机器学习算法的灵感。这成为 Materials Nexus 技术的基础。

很明显，这项研究可以对世界产生积极的影响，其采用需要加速。同样，产品的性能受到材料的限制，我们朝着净零的进步也受到材料的限制。这就是激发我们创立这家公司的动力。

对我们来说，作为一家公司，推动力是改善世界的环境、地缘政治和道德状况。我们的目标是通过设计满足可持续性和性能日益增长的需求的新型材料来革新材料行业。

您能否解释 AI 如何改变材料发现的过程，特别是在 Materials Nexus 的背景下?

与 AI 对药物发现过程的影响一样，AI 也从根本上改变了材料发现；将传统的试错方法转变为基于意图的设计过程。但是，材料研究与药物研究不同，材料研究具有更高的复杂性和更广泛的搜索空间。Materials Nexus 正在研究从量子层面到批量的整个长度尺度；这意味着我们不仅利用量子力学来预测组成，还模拟加工和合成技术。这使我们能够不仅确定材料，还能够在几个月内准确地物理生产高性能材料，而不是几十年，显著加速了研发过程。

使用 AI 而不是传统的试错方法开发新材料的主要优势是什么?

使用 AI 进行材料发现提供了多种优势：速度、成本效益和可持续性是关键的。我们的 AI 驱动平台可以分析大量数据并准确预测材料性能，在进入实验室之前，这使得该过程具有成本效益和较少的浪费，因为它最小化了对昂贵和资源密集型实验的需求。这也意味着通常在实验室中需要几天的过程可以在我们的平台上在几小时内完成。

这最终解锁了一种新的机会，实现有针对性的材料“设计”而不是发现。可以将任何数据集或材料参数（如二氧化碳排放、成本或重量）纳入其中，并搜索符合这些特定需求的组成，颠覆了“发现”过程。

AI 和机器学习在减少材料生产的环境影响方面扮演着什么角色?

利用 AI 和机器学习解锁了材料发现的新机会。从生产水平来看，其影响是双重的；第一是材料本身的元素组成，第二是材料的加工条件。AI 材料发现可以排除具有高环境成本的特定元素（例如稀土元素），或减少其组成百分比。它还可以用于研究制造材料所需的加工技术（例如温度、压力或矿石纯度），并确定低能耗方法。这些两个方面都可以对材料生产的初级排放产生重大影响。然而，必须注意，环境影响不仅仅局限于生产。优质材料的应用，无论是高性能还是廉价的，都可以通过使可持续技术更易于获取（例如更便宜的电动汽车）、更高效（例如更好的用于 AI 的计算机芯片），以及在其生命周期结束时更少毒性来产生巨大的积极的次要环境影响。

Materials Nexus 如何在仅仅三个月内就创造出一种不含稀土的磁铁，其影响是什么?

我们的平台能够分析超过 1 亿种潜在的无稀土磁铁组成，在进入实验室之前。这意味着当我们进入合成阶段时，我们已经对组成和其性能有了准确的预测。

这种磁铁的影响是重大的：这一突破超出了单一材料的发现，标志着几个世纪以来材料设计过程的转变。随着我们的平台变得更加成熟和智能，我们将能够更快速地预测组成，并跨多种材料领域进行预测。由于元素周期表上有 10^100 种组成，可能性是无穷的。

AI 是否有可能在磁铁以外的其他应用中替代稀土金属?

AI 驱动的材料发现有可能识别和开发稀土金属在磁铁以外的应用中的替代材料。在这种情况下，目标是找到一种去除稀土元素的磁铁组成，但我们的机器学习搜索算法是为应用于任何材料类别而设计的。这意味着我们正在构建一个通用的材料设计平台。

目前，我们的平台能力专注于合金和陶瓷，特别关注用于高影响力绿色技术（如电动机、半导体、超导体和绿色氢气）的功能材料。

Materials Nexus、Henry Royce Institute 和 Sheffield University 之间的合作如何促进新材料的开发?

我们与英国创新生态系统中的关键战略合作伙伴（如 Henry Royce Institute 和 Sheffield University）的合作，为我们提供了世界一流的设施和材料科学的专业知识。这些合作伙伴关系使我们能够加速对我们预测的合成和测试。

哪些其他行业可以从 AI 驱动的材料发现中受益，它们将如何受益?

AI 驱动的材料发现可以影响每个材料类别。Materials Nexus 专注于被认为最困难和最昂贵的材料，因为它们有可能产生最大的积极影响。每个行业都将受到影响：能源、航空、超级计算、运输，等等。例如，在能源领域，AI 可以帮助开发更高效和可持续的电池和太阳能电池材料。在超级计算中，它可以带来新型半导体材料的创造，以增强数据存储和处理能力。通过实现高性能材料的快速开发，AI 可以推动各个行业的创新和可持续性。

我们可以期待在材料科学中看到什么样的 AI 未来发展，它们将如何影响各个行业?

我们的工作将继续突破可能性的界限，我们致力于打破这些障碍。更好的材料意味着更好的创新，以满足明天的挑战。未来只受我们想象力的限制。

感谢这次精彩的采访，希望了解更多的读者可以访问 Materials Nexus。