美國“材料基因組計劃”（Materials Genome Initiative，MGI）自2011年啟動，總的思路是將最強計算（包括人工智能和機器學習）與材料科學領域的最佳創意相結合，縮短新產品的開發時間，使美國在最高需求制造業和新興技術市場更具競爭力。該計劃非常認同的是，開發先進材料對于應對來自能源、超級計算、國家安全和醫療保健領域的挑戰至關重要。

(圖片來源：網絡)

在起始階段，當該計劃一開始建立時，由于創建者正在構建其信息技術基礎設施，因此進展緩慢。首先，必須找到可行的方法來收集有關材料的信息，然后存儲和操控這些信息。計算能力必須滿足創新者的需求。

該計劃實施以來，一個早期成功案例來自冶金行業。造幣廠要求美國國家標準與技術研究院（NIST）的科學家研究5美分硬幣的新配方，這是由于全球對鎳作為合金元素的需求日益增加，制造鎳幣的成本升至了7美分。NIST的研究人員沒有從材料開始，圍繞材料限制設計產品，而是根據造幣廠提出的一系列需求，來設計滿足產品需求的材料。利用已有的設施裝備，研究人員僅用18個月設計出了不同類別的硬幣材料，顯著短于采用傳統方法所需的3-5年時間。研究團隊把相關數據提交給了材料創新設施，使得其他人員在將來可以更輕松地設計新的硬幣材料。這正如新硬幣項目負責人Carelyn Campbell所說，材料基因組計劃的一個重要目標就是使材料數據更易于獲取和重復使用。

除了眾人熟知的材料，該計劃也鼓勵新型（新興）材料所需的基礎研究。以石墨烯為例。2018年1月，該計劃資助的NIST團隊研究發現，通過模擬石墨烯薄片熔化，如果加熱至1600K（約1327℃）以上，石墨烯將轉變成粘液態，并像紙一樣皺折，冷卻成玻璃態后變成“泡沫狀”。這些特質使石墨烯可成為高溫下的優異潤滑材料，并在室溫下可作為過濾材料。此外，該材料抑或是一種強大的滅火劑。這些信息可能對世界上急需在制造過程中使用石墨烯的其他人非常有幫助。

由NIST資助、位于芝加哥的先進材料卓越研究機構——分級材料設計中心（Center for Hierarchical Materials Design，CHiMaD）匯集了眾多專注于材料基因組計劃目標的行業合作伙伴和顧問，涉及結構工程、半導體、軟件與IT服務、化學工程和糖果制造等。迄今為止，該中心已與300多名本科生、畢業生、博士后研究人員和專業人士合作，教導他們探索新材料，并分享在公共和私營部門與他人學到的知識，以推動未來整個材料領域的發展。

NIST數據存儲與檢索專家Bob Hanisch指出，當前有很多機器學習方法可供選擇，但是有很多陷阱。如果沒有相關背景，任何類型的機器學習算法的結果都將只是徒勞。可以根據材料的性質和性能來標記材料微結構的圖像，然后進行編目。一段時間后，特定的機器學習系統將開始檢測樣品。但這只是數據收集工作。機器學習算法對物質世界一無所知，需要有輸入系統的背景信息。此外，為克服不同研究人員使用不同術語描述相同主題、過程和材料組分的弊端，NIST開發了基于web的材料資源注冊表，想要提交數據的人員必須使用Hanisch及其團隊開發的列表中的預定義詞匯表。

在數據庫開發方面，2018年，一支由NIST、能源部SLAC國家加速器實驗室、美國西北大學和硅谷企業Citrine Informatics組成的聯合團隊宣布，利用機器學習技術找到了一條發現和改進金屬玻璃的捷徑，所耗費時間和成本只是先前估算的很少一部分。在過去50年里，人們發現了約6000種可形成金屬玻璃的不同材料組合；而通過機器學習，材料基因組計劃資助的該團隊僅一年時間就能夠篩選出逾20000種可用于制備玻璃的金屬。

NIST的材料基因組計劃負責人Jim Warren說，該計劃每年可為美國經濟帶來1230億-2700億美元的資金。一旦基礎設施建好，各種新的商業模式將會涌現。這對于材料領域的發展來說是一件好事。