美国商务部宣布将举行公开竞赛，展示“人工智能如何协助开发新的可持续半导体材料和工艺，以满足行业需求，并可在五年内设计和采用。”
美国商务部标准和技术副部长劳里·洛卡斯称这是“一个独特的机会，使美国成为高效、安全、高产量和具有竞争力的半导体制造的世界领导者。”洛卡斯同时也是国家标准与技术研究院的院长。
高达1亿美元将由CHIPS研究与开发办公室（CHIPS R&D）颁发给那些“发展以大学为主导、行业为参考的关于支持可持续半导体制造的人工智能自主实验（AI/AE）合作”的获奖者。
CHIPS法案的研发部门是由美国的《芯片与科学法》建立的，该法案由美国总统乔·拜登于2022年8月签署成为法律。该法律规定商务部拨款500亿美元用于加强和振兴美国半导体制造和研发的项目。
其中，390亿美元分配给了CHIPS计划办公室，用于在美国投资设施和设备，包括由台湾的台积电和美国的英特尔建设的重点工厂。另有110亿美元被分配给CHIPS研发项目，如此类项目。
“为了美国半导体行业长期繁荣，”商务部写道，“它必须能够开发创新且具有商业竞争力的技术，以可持续的方式生产和制造芯片，同时保护环境和当地社区。”
这似乎显而易见。毕竟，美国领先的半导体生产设备制造商命名为应用材料公司（Applied Materials），而半导体制造厂商每年投资数十亿美元来设计更先进的集成电路，在生产过程中更高效地使用电力和水资源，并减少工业废物和温室气体排放。
但商务部 secretary 吉娜·雷蒙多 感到有一股新的紧迫感。“目前，”她说，“新的半导体材料往往需要多年才能准备好投入生产，并且资源消耗非常大。
“如果我们打算在美国快速建立一个可持续的半导体制造基地，以应对气候危机带来的日益增加的威胁，我们需要利用人工智能来帮助迅速开发可持续的材料工艺。”
雷蒙多也有使命感，他表示：“通过这个新计划，拜登-哈里斯政府将利用人工智能的巨大能力，释放我们工人和创新者的全部潜力，同时建立一个更安全、更有韧性的国内半导体产业。”
除了宣称一笔与半导体行业每年在研发上花费的数十亿美元相比微不足道的钱之外，这些宣布还有什么意义？（仅今年第二季度，英特尔的研发预算就达到了42亿美元。）
东京工业大学的Taro Hitosugi、Ryota Shimizu和Naoya Ishizuki表示，答案是结合了机器学习和自动化实验室的AI/AE正在“引领材料科学范式的转变”。这些系统“使用计算机算法和机器人来决定并执行所有实验步骤，无需任何人为干预。”
“鉴于元素可能的组合，”他们继续说道，“存在几乎无穷无尽的新材料……因此，在巨大的搜索空间中优化高维合成参数对于材料合成是必要的……从某种意义上说，材料的世界是一个探索的前沿领域，就像太空或深海一样。”
AI/AE应该在材料发现和合成的过程中实现巨大的加速，不仅在半导体行业中，在应用科学的各个领域，从电子、能源、航空航天和国防到生物、化学和制药行业也是如此。
在美国北卡罗来纳州立大学的米尔اد·阿卜尔哈萨尼和多伦多大学的尤金尼亚·库马切娃在《自然综述》上写道：
最近数据科学和自动化实验技术的发展导致通过集成机器学习、实验室自动化和机器人技术出现了自动实验室（SDL）。
SDL是一种由机器学习辅助的模块化实验平台，它通过迭代运行一系列由机器学习算法选择的实验来实现用户定义的目标。这些智能机器人助手帮助研究人员通过快速探索化学空间来加速基础研究和应用研究的进度。
SDLs的主要影响是加速“研究”，以生成新的知识，从而比逐一变量探索或组合实验快10到1000倍地发现新型化合物或最佳性能材料的制造路线。
换句话说，人工智能和机器人可以比那些依靠科学知识进行试错的方法更高效地完成工作。多伦多大学化学系阿尔安·阿斯普鲁-古里克教授领导的研究团队写道：
在我们的研究小组中，我们旨在将发现新材料或优化已知材料所需的时间和资金减少十倍，即从大约一千万美元和十年的研发时间缩减到一百万美元和一年……解决这一挑战的方法是开发自动驾驶实验室……Aspuru-Guzik团队认为这些实验室有望提高实验和科学发现的速率，这最终将改变我们进行科学研究的方式。
阿斯普鲁-古奇克也是计算机科学教授，拥有谷歌量子计算工业研究主席职位，并担任加速联盟的主任，该联盟是一个由多伦多大学发起的战略性项目，旨在通过汇集来自行业、政府和学术界的科研人员，加速“为可持续未来所需材料和分子”的发现。
这可能是美国商务部半导体材料倡议的模式。此外，该部门的AI/AE竞赛与位于华盛顿的战略与国际研究中心（CSIS）智库在其2024年1月发布的题为“自主实验室：人工智能和机器人技术加速材料创新”的报告中提出的SDL大挑战非常相似。
宣称“开发和采用替代材料和新材料对于美国在新兴技术领域的领导地位至关重要”，CSIS报告质疑“美国是否投入了足够的政策关注和资源来确保在SDL方面的优势。”
当时，根据CSIS的数据，美国在SDL上的支出不到5000万美元，并且“没有以定向、有计划的方式进行”，而加拿大已向多伦多大学的加速联盟拨款2亿加元。
在此背景下，美国商务部的1亿美元奖励虽然有些迟缓，但仍然是一个有意义的进步。其五年的时间框架与半导体行业通往1纳米工艺技术的道路图相匹配。
CSIS还报告称，利物浦大学、劳伦斯伯克利国家实验室、阿贡国家实验室和卡内基梅隆大学正在建设SDLs，并指出“利物浦大学的研究人员在2020年使用了一种移动平台机器人手臂来合成并寻找催化剂，在10个设计参数下进行实验，最终在八天内完全自主地完成了688次实验，并识别出了比基准线好六倍的化学配方。”
总部位于比利时的跨大学微电子中心IMEC正在使用人工智能来识别新材料。例如，与imec有关联的科学家写道：
随着尺寸的减小和复杂性的增加，半导体器件的制造变得越来越困难。特别是允许的沉积温度变得更低。因此，不需要退火步骤的非晶材料变得更加有趣。
无定形材料的第一性原理建模却比结晶材料的建模复杂得多。尤其是为了筛选新材料，一个完全的从头开始因此这种方法太贵。我们通过结合高通量从第一原理计算和人工智能（AI）来应对这一挑战。
约翰霍普金斯大学应用物理实验室（APL）正在使用人工智能加速新型材料的发现，这些材料能够承受深海探索、太空探索、高超音速飞行器及其他国家安全相关应用场景中的极端环境。
摩根·特雷克斯勒（Morgan Trexler）是APL极端与多功能材料科学项目的项目经理，他说，
随着美国面临紧迫的国家安全挑战，越来越多地在艰苦环境中进行操作——而这些操作需要革命性的新材料。我们不能等待几十年来发现满足这些需求的材料。通过在整个发现过程中融入人工智能方法，我们可以更快、更有目的地识别用于复杂和特定应用的材料。
APL研究与探索开发部门首席科学家Keith Caruso补充说：“在现有材料基础上进行改进的方法只能带来有限的提升。为了创造突破性的材料，我们需要实现根本性的飞跃。”
在日本，理化研究所（RIKEN）国立研究开发法人正在将高性能计算和人工智能应用于药物发现和基因组医学。
日本分析仪器制造商岛津制作所，与神户大学合作，将“由机器人和人工智能自主进行科学发现的平台”作为其未来实验室的发展愿景，特别是在新材料、制药和生物技术领域，包括基因改变的“智能细胞”。
《中国科学出版社》报道说，“随着大型语言模型的成功，作为材料设计深度学习计算模型的大型材料模型的概念引起了极大的兴趣。”
清华大学的研究人员正致力于开发能够处理周期表中大多数元素的多样化材料结构的模型。
差不多一年前，《中国日报》报道，由中国科学家开发的一款人工智能驱动的机器人化学家合成了一种催化剂，可以从火星陨石中产生氧气。
“在模拟火星温度条件的-37摄氏度的压力测试中，结果显示催化剂可以稳定地产生氧气而没有明显退化迹象，表明它可以在火星恶劣条件下工作。”
中国人在利用人工智能驱动的自主材料开发方面（特别是半导体和其他行业）的具体行动尚不清楚，但他们不可能忽视其可能性。
关注这位作者的X账号：@ScottFo83517667