丰田研究所（三）宣布它正在投资3500万美元的材料科学研究，这些研究采用人工智能和机器学习，帮助加速先进材料的设计和发现。
TRI将与研究实体，大学和公司合作，帮助彻底改变材料科学，并确定能够为未来零排放和碳 - 中性车辆发电的新型先进电池材料和燃料电池催化剂。
初步研究项目包括与斯坦福大学的合作，马萨诸塞州理工学院，密歇根大学，康涅狄格大学大学，康涅狄格大学和乌卡卡的大学材料科学公司伊利卡。TRI也在正在进行的讨论中与其他研究合作伙伴进行讨论。
先进的量子力学计算和机器学习
该研究将合并高级计算材料建模，新的实验数据来源，机器学习和人工智能，从几十年来历史上衡量的时期，减少新材料发展的时间规模。
研究计划将遵循并行路径，努力识别未来能源系统中使用的新材料，以及开发可以更广泛地加速新材料的设计和开发的工具和流程。
根据TRI，该倡议将重点关注三个关键领域：
- 开发电池和燃料电池的新型和材料;
- 在新材料的设计和开发中追求机器学习、人工智能和材料信息方法的新用途;和
- 新的自动化材料发现系统集成模拟，机器学习，人工智能和/或机器人。
康涅狄格大学工程学院的教授Ramamurthy RampraSad，将领导学校努力识别使用量子机械计算和数据驱动的机器学习的新聚合物。
具有柔性化学成分的聚合物是适用于绝缘体，半导体和可渗透膜的理想选择。由于它们也是安全的，因此生产和轻盈廉价，Ramprasad表示，它们具有更广泛使用的能量存储应用诸如可充电电池和燃料电池的可能性。
“鉴于聚合物的几乎无限的化学成分，非常可能存在新的和可能更好的功能聚合物，等待被发现，”说RampraSad。“我们的目标是通过使用由高级计算和机器学习供电的虚拟筛选方法加速发现过程，以便在制造之前可以识别潜在的新聚合物。”
斯坦福大学的物理学家和化学工程教授Jens Norskov，旨在“燃料电池催化剂开发的前卫方法”。
“这代表了一个奇妙的机会，在材料发现中大大推进了数据库和机器学习方法的机会，”界面科学和催化扫描中心的主任Norskov说。“伙伴关系将理论，计算和实验相结合，以前所未有的一致努力。”
加速材料科学发现代表了TRI的四个核心焦点领域之一，该领域是2015年推出的授权，也提高了自动化技术的汽车安全，增加了无法驾驶的人的移动性，并帮助将户外移动技术转化为室内产品移动性。
