材料科學一直在使用傳統的實驗室過程，以確定和發現新的復合材料。對不同成分進行了長達數天的實驗，并對制造新材料進行了大量研究。人工智能的出現影響了金屬玻璃等新材料的發現。發表在《科學進步》上的一篇文章談到通過機器學習和高通量實驗加速金屬玻璃的發現。

　　在這篇文章中，科學家們說，“這篇論文說明了機器學習和HiTp實驗如何在迭代/反饋回路中使用，與過去50年依賴的傳統搜索方法相比，可以輕松地將新MG系統的發現速度提高兩個數量級以上。”

　　人工智能算法可以從現有的數據庫和重復分析中預測成分，為制造新材料提供新的配方或組合。機器學習系統可用于從研究材料和期刊中挖掘數據，以提取與材料發現相關的名稱或句子，將它們組合起來，并為材料的新組合提供見解。麻省理工學院的報告提到，麻省理工學院、馬薩諸塞大學和加利福尼亞大學的一個研究小組希望通過一個新的人工智能系統來縮小材料科學與自動化之間的差距，該系統將通過研究論文來推導出生產特定材料的“配方”。

　　這些機器學習系統使用有監督、無監督和半監督算法得出結論。有監督的算法將得到一個訓練過的數據集，用來建立關系，而無監督的算法將沒有任何訓練過的數據集，它們被留給發現感興趣的數據結構。

　　在材料發現中使用人工智能和機器學習可以以更快的速度創造新的合金，并解決鋼鐵等復合材料資源有限的問題?！哆吘墶冯s志的一篇文章引用了西北大學材料科學家克里斯?沃爾弗頓的話說：“我們對材料進行量子力學水平的計算，計算的復雜程度足以讓我們在實驗室制造一種可能的新材料之前，在計算機上實際預測其性能。”

　　Material.ai 是一個平臺，提供發現可持續和可靠的材料利用人工智能，可以作為資源的良好替代品。

　　科學家可以將包含現有材料特性的數據輸入人工智能系統，并獲得新材料的結果，這是進行科學實驗的新方法。這些人工智能算法使用虛擬計算和計算，而不是執行物理實驗。后來，科學家可以利用系統提供的指令來制造新的復合材料。

　　劍橋大學發表的一篇論文回顧并討論了機器學習在預測復合材料力學性能方面的新應用，以及機器學習在設計具有所需性能的復合材料中的作用。人工智能的廣泛應用和機器學習算法分析海量數據的能力，將有助于科學領域的更多新生發現。