AI精準預測「超級金屬」MPEA配方，革新材料科學極端環境研發

材料科學領域近期迎來一項重大技術突破。維吉尼亞理工學院暨州立大學與約翰霍普金斯大學的跨校研究團隊，成功開發出一套數據驅動的人工智慧（AI）框架，能精準預測「超級金屬」多主元素合金（MPEA）的理想配方，大幅加速極端環境材料的研發進程，此舉預期將革新航太、核能等關鍵產業的製造模式。

AI驅動 MPEA材料發現新紀元

這項由維吉尼亞理工學院暨州立大學化學工程副教授Sanket Deshmukh領導，並獲得美國國家科學基金會（NSF）資助的研究，聚焦於一種被稱為「多主元素合金」（Multiple Principal Element Alloys, MPEA）的新型金屬。不同於傳統合金以單一金屬為基底的做法，MPEA是將多種元素以近乎相等的比例混合，賦予材料非凡的特性。這些特性包含在極高溫下仍能保持強度、於巨大壓力下具備抗裂性，以及在普通材料失效的惡劣環境中維持穩定。

為何MPEA如此重要？科學家指出，這類超級金屬將徹底改變航太、核能系統、先進引擎及各類精密機械的製造方式。然而，研發MPEA的挑戰在於其組合可能性極其龐大，僅從少數元素中挑選五種並微調比例，就能產生數千種性質各異的材料。若採用傳統「試錯法」進行實驗，往往需要耗費數十年才能找到理想配方，這顯然無法滿足當代產業對材料快速迭代的需求。

可解釋AI突破「黑盒子」限制

為了解決MPEA研發的巨大時間成本，研究團隊引入了「可解釋人工智慧」（Explainable AI, XAI）與超級運算技術。與傳統被視為「黑盒子」的AI不同，可解釋AI能提供預測背後的邏輯與理由。研究團隊利用名為SHAP的分析方法，深入了解AI的決策過程，進而辨識哪些元素對合金強度的影響最為關鍵，以及原子間的相互作用如何改變材料性能。

這種方法不僅能預測哪些組合有效，更能闡釋其背後的科學原理，將過去昂貴且耗時的實驗，轉化為具備預測性與洞察力的材料研發流程。這代表研究人員能更精準地理解材料的行為模式，大幅提升研發效率，從根本上改變材料科學的研究範式。

應用潛力廣泛，穩定全球供應鏈

這套AI框架的應用潛力不僅限於金屬研發。研究團隊目前正將其擴展至「醣類材料」（Glycomaterials）的設計，這類受生物分子啟發的材料，在食品添加劑、個人護理產品、醫療保健及包裝材料等領域均有廣泛應用前景。此項跨學科的合作，彰顯了計算、合成與表徵技術結合的強大潛力。

在全球對工業金屬需求激增、供應鏈面臨挑戰的背景下，AI驅動的材料研發更顯其重要性。它不僅能穩定關鍵資源的供應，還能透過精準預測材料在極端環境下的失效模式，有效延長工業資產的使用壽命並降低維護成本。隨著AI技術的持續演進，材料科學正從傳統的實驗摸索，邁向精準預測與高效設計的新紀元。