📢 转载信息
原文链接：https://news.mit.edu/2025/checking-quality-materials-just-got-easier-new-ai-tool-1014
原文作者：Jennifer Chu | MIT News
新AI工具SpectroGen：材料质量检测变得前所未有的简单高效
制造更优质的电池、更快的电子设备以及更有效的药物，都依赖于新材料的发现和对其质量的验证。人工智能（AI）正在通过筛选材料目录快速标记出有希望的候选材料，从而助力新材料的发现。
然而，一旦材料被制造出来，验证其质量仍然需要使用专业仪器进行扫描，这是一个昂贵且耗时的步骤，可能会阻碍新技术的发展和推广。
AI驱动的虚拟光谱仪：SpectroGen登场
现在，麻省理工学院（MIT）工程师开发的一款新AI工具——SpectroGen——有望清除材料驱动行业中的质量控制瓶颈，提供更快、更经济的解决方案。
研究人员在《Matter》期刊上发表的最新研究中，介绍了SpectroGen，这是一款生成式AI工具，它通过充当“虚拟光谱仪”来加速扫描能力。该工具接收材料在某一扫描模态（如红外）下的“光谱”（即测量数据），并生成该材料在完全不同模态（如X射线）下的光谱会是什么样子。AI生成的频谱结果与通过新仪器对材料进行物理扫描获得的结果吻合度高达99%。
不同的光谱模态能揭示材料的特定属性：红外光谱揭示分子的基团，X射线衍射可视化晶体结构，拉曼散射则揭示分子振动。要衡量材料质量，通常需要对多种昂贵且独立的仪器进行繁琐的操作。
简化制造流程，大幅提升效率
借助SpectroGen，研究人员设想可以仅使用一种更便宜的物理光谱仪来进行多样化的测量。例如，生产线可以仅用一个红外摄像头扫描材料进行质量控制。这些红外光谱数据随后可输入SpectroGen，自动生成材料的X射线光谱，从而无需工厂内部设置和操作单独的、通常更昂贵的X射线扫描实验室。
这款新型AI工具能在不到一分钟内生成光谱，比传统方法快了一千倍，后者可能需要数小时到数天才能完成测量和验证。
研究合著者、MIT机械工程助理教授Loza Tadesse表示：“我们认为，你不需要对所有需要的模态都进行物理测量，也许只需要在一种简单、便宜的模态下进行即可，”她说。“然后你可以使用SpectroGen来生成其余部分。这可以提高生产率、效率和制造质量。”
该研究的首席作者是MIT前博士后研究员Yanmin Zhu。
超越化学键的数学洞察
Tadesse的跨学科团队致力于开发尖端技术，以促进人类和地球健康，其创新应用范围从快速疾病诊断到可持续农业。
“疾病诊断，以及材料分析，通常涉及扫描样本并使用不同仪器收集不同模态的光谱，这些仪器笨重昂贵，且不一定能在同一个实验室找到，”Tadesse说。“所以，我们一直在思考如何将所有这些设备小型化，并简化实验流程。”
Zhu注意到了生成式AI在发现新材料和药物候选物中日益增长的应用，并思考是否可以将AI应用于生成光谱数据——也就是说，AI能否充当“虚拟光谱仪”？
传统的光谱仪通过向材料发射特定波长的光来探测其属性。光引发材料中分子键的振动，并将光以波形模式（即光谱）的形式散射回来，这可以作为材料结构的特征信号。
要让AI生成光谱数据，传统方法是训练算法识别物理原子与材料中特征之间的联系，以及它们产生的光谱。Tadesse指出，鉴于仅一种材料中分子结构的复杂性，这种方法很快就会变得难以处理。
“即使对于一种材料来说，这样做也是不可能的，”她说。“所以，我们思考，是否可以从另一种方式来解释光谱？”
该团队从数学中找到了答案。他们意识到，光谱模式（一个波形序列）可以用数学表示。例如，包含一系列钟形曲线的光谱被称为“高斯”分布，与特定的数学表达式相关联；而一系列较窄的波被称为“洛伦兹”分布，由不同的算法描述。事实证明，大多数材料的红外光谱特征包含更多的洛伦兹波形，而拉曼光谱更偏向高斯，X射线光谱则是两者的混合。
Tadesse和Zhu将这种对光谱数据的数学解释整合到一个算法中，并将其融入了生成式AI模型。
“这是一种物理学知识丰富的生成式AI，它理解光谱的本质，”Tadesse说。“其关键的创新在于，我们将光谱解释为数学——曲线和图表，而不是化学键和分子结构，这是AI工具可以理解和解释的。”
数据副驾驶
该团队使用了一个包含超过6000个矿物样本的公开大型数据集来演示SpectroGen AI工具。每个样本都包含矿物的性质信息，如元素组成和晶体结构。许多样本还包含不同模态（如X射线、拉曼和红外）的光谱数据。
研究人员将其中几百个样本输入SpectroGen，训练这个神经网络模型学习矿物不同光谱模态之间的相关性。这使得SpectroGen能够接收材料某一模态下的光谱（例如红外），并生成其在完全不同模态（例如X射线）下应该是什么样子的光谱。
AI模型训练完成后，研究人员向SpectroGen输入了数据集中一个未用于训练的矿物的光谱，并要求它生成另一种模态的光谱。他们发现，AI生成的光谱与该矿物通过物理仪器记录的真实光谱非常接近。研究人员对其他几种矿物进行了类似测试，发现AI工具能在短时间内生成具有99%相关性的光谱。
Zhu说：“我们可以将光谱数据输入网络，并在不到一分钟内获得另一种完全不同的光谱数据，准确性非常高。”
广泛应用前景
该团队表示，SpectroGen可以为任何类型的矿物生成光谱。例如，在制造业中，用于制造半导体和电池技术的矿物材料可以首先通过红外激光快速扫描。这次红外扫描的光谱可以输入SpectroGen，生成X射线光谱，操作员或多智能体AI平台可以据此评估材料质量。
Tadesse说：“我认为这就像拥有一个代理或副驾驶，为研究人员、技术人员、生产线和工业提供支持。”她表示：“我们计划根据不同行业的具体需求定制这款工具。”
该团队正在探索将该AI工具应用于疾病诊断以及通过谷歌资助的未来项目进行农业监测的方法。Tadesse正通过一家新成立的初创公司推动该技术应用于实际，并设想将SpectroGen应用于从制药到半导体再到国防的广泛领域。
🚀 想要体验更好更全面的AI调用？
欢迎使用青云聚合API，约为官网价格的十分之一，支持300+全球最新模型，以及全球各种生图生视频模型，无需翻墙高速稳定，小白也可以简单操作。
青云聚合API官网https://api.qingyuntop.top
支持全球最新300+模型：https://api.qingyuntop.top/pricing
详细的调用教程及文档：https://api.qingyuntop.top/about
评论区