日本国家材料科学研究所(NationalInstituteforMaterialsScience)的科学家开发了一种机器学习过程，以获得具有特定和所需力学性能的铝合金。这种方法可能有助于新材料的发现。

铝合金是一种光能节能型材料，主要由铝制成，但也含有镁、锰、硅、锌、铜等元素。各种元素和制造工艺的结合决定了铝合金对各种应力的弹性。例如，5000系列铝合金含有镁和其他几个元件，可用作建筑物、汽车和加压容器的焊接材料，而7000系列铝合金则含有锌，通常是镁和铜，最常用于自行车车架。

对生产铝合金的各种元素和制造工艺的组合进行验证，既费时又昂贵。"为了解决这一问题，日本国家材料科学研究所的RyoTamura与同事和丰田汽车公司(ToyotaMotorCorporation)合作，开发了一种材料信息技术，可以将已知的铝合金数据库数据输入机器学习模型。因此，该训练模型可以了解合金的不同力学性能和不同成分之间的关系，以及力学性能与生产过程中使用的热处理类型之间的关系。一旦提供了足够的数据，就有可能预测生产具有特定力学性能的新合金所需的元素和生产工艺，而所有上述工作都不需要人工输入或监督。

例如，该模型发现，通过增加锰和镁的含量，降低铝的含量，可以生产出具有高抗应力和抗变形能力的5000系列铝合金。这一信息有助于开发新材料，如合金，以满足行业的需要。"Tamura说。

该模型采用马尔可夫链蒙特卡罗(MarkovchainMonteCarlo)的数据统计方法，利用该算法获取信息，然后用图形显示结果，以便于不同变量之间关联的可视化。通过在训练过程中输入较大的数据集，机器学习方法变得越来越可靠。