杰纳森·比恩，Materials Nexus 首席执行官兼联合创始人 – 采访系列

杰纳森·比恩是Materials Nexus的首席执行官兼联合创始人。凭借材料科学的理论和实践背景，杰纳森迅速识别出新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并应对气候危机。

杰纳森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的职责，杰纳森还担任Global Talent Mentoring和皇家工程院Leaders in Innovation Fellowships的导师。他还在剑桥大学三一学院教授材料科学，并是伦敦南岸大学的访问研究员。

Materials Nexus是一家利用人工智能开发更优材料的公司。

您能否分享Materials Nexus的创立故事？是什么激发了公司的创立和对人工智能驱动材料发现的关注?

最终，能够建造的东西的极限取决于用来建造它的材料；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罗伯特·福雷斯特合作期间，我们渴望使我们的研究更快，这促使我们转向机器学习算法的开发。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。

Materials Nexus的一大驱动力是改善世界的环境、地缘政治和伦理状况。我们的目标是通过设计满足可持续性和性能日益增长需求的新材料来革新材料行业。

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

与人工智能影响药物发现过程类似，人工智能也从根本上改变了材料发现；它将传统的试错方法转变为基于意图的设计过程。但与药物研究不同，材料科学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尺度；这意味着我们不仅利用量子力学预测成分，还模拟加工和合成技术。这样，我们不仅可以准确识别材料，还可以在实验室中准确地、快速地生产高性能材料，而不是需要数十年时间。

使用人工智能而不是传统试错方法开发新材料的主要优势是什么?

使用人工智能进行材料发现提供了多个优势：速度、成本效益和可持续性是关键。我们的人工智能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，这使得过程成本效益高且不浪费，因为它最小化了昂贵且资源密集的实验的需要。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。

这最终解锁了一个新的机会集，实现有针对性的材料“设计”而非发现。可以纳入任何数据集或材料参数，例如二氧化碳排放、成本或重量，并搜索符合这些特定需求的组成。这改变了“发现”的过程。

人工智能和机器学习在减少材料生产的环境影响方面扮演什么角色?

利用人工智能和机器学习可以通过发现阶段解锁一系列新的材料机会。在生产水平上，其影响是双重的；首先是材料本身的元素组成，第二是材料的加工条件。人工智能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），并识别低能耗方法。这些两个方面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，无论是高性能还是更便宜的，都可以通过使可持续技术更容易获取（例如更便宜的电动汽车）、更高效（例如更好的用于人工智能的计算机芯片），以及在其生命周期结束时不那么有毒，产生巨大的积极的次要环境影响。

Materials Nexus如何在仅三个月内开发出无稀土磁铁，而这项突破的影响是什么?

我们的平台能够在实验室之前分析超过1亿种潜在的无稀土磁铁组成。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。

这种磁铁的影响是显著的：这项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，并在多个材料领域进行预测。鉴于元素周期表上有10^100种组成，可能性是无穷的。

人工智能是否有可能在其他领域替代稀土金属，例如超导体、半导体等?

人工智能驱动的材料发现有可能识别和开发用于广泛应用的替代材料，超出了磁铁的范畴。在这种情况下，目标是找到一种不含稀土元素的磁铁组成，但我们的机器学习搜索算法可以应用于任何材料类别。这意味着我们正在建立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，特别注重用于高影响力绿色技术的功能材料，例如电动机、半导体、超导体和绿色氢气等。

Materials Nexus、亨利·罗伊斯研究所和谢菲尔德大学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战略合作伙伴（如亨利·罗伊斯研究所和谢菲尔德大学）的合作，为我们提供了世界级的设施和材料科学特定领域的专业知识。这些合作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人工智能驱动的材料发现中受益，以及如何?

人工智能驱动的材料发现可以影响每个材料类别。在Materials Nexus，我们专注于那些最困难和昂贵的材料，因为它们有可能产生最大的积极影响。每个行业都会受到影响：能源、航空、超级计算、运输等。例如，在能源领域，人工智能可以帮助开发更高效和可持续的材料用于电池和太阳能电池。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。通过使高性能材料的开发迅速，人工智能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领域看到哪些未来的人工智能进展，以及它们将如何影响各个行业?

我们的工作将继续推动可能性的边界，我们致力于突破这些障碍。更好的材料意味着更好的创新，以满足明天挑战的需求。未来只受我们的想象力限制。

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