據外媒報道，日本國立材料科學研究所（National Institute for Materials Science）的科學家們研發了一種機器學習工藝，可以獲取具有特定以及所需機械性能的鋁合金。此種方法可能會促進新材料的發現。
鋁合金是一種輕質節能材料，主要由鋁制成，但也含有鎂、錳、硅、鋅和銅等其他元素。各種元素和制造工藝的組合決定了該合金面對各種應力的彈性如何。例如，5000系列鋁合金含鎂和其他幾種元素，可用作建築物、汽車和加壓容器的焊接材料；而7000系列鋁合金含鋅，通常還含鎂和銅，最常用於自行車車架。
驗證各種元素和制造工藝的組合以生產鋁合金非常耗時且昂貴，爲克服這一問題，日本國立材料科學研究所的Ryo Tamura與同事和豐田汽車公司（Toyota Motor Corporation）合作，研發了一種材料信息技術，該技術可以將已知的鋁合金數據庫數據輸入到機器學習模型中，從而訓練模型理解合金不同機械性能與不同組成元素之間的關系，以及與生產過程中應用的熱處理類型之間的關系。一旦該模型被提供了足夠的數據，就可以預測生產具有特定機械性能的新合金需要什麼元素和生產工藝，而且所有上述工作都無需人工輸入或監督。
例如，該模型發現，通過增加錳和鎂的含量，減少鋁的含量，可以制造出具有高抗應力和抗變形特性的5000系列鋁合金。Tamura表示：“此類信息有助於研發合金等新材料，以滿足工業需要。”
該模型採用了一種稱爲馬爾科夫鏈蒙特卡洛（Markov chain Monte Carlo）的數據統計法，會利用算法獲取信息，然後用圖形展示結果，從而方便將不同變量之間的關聯實現可視化。通過在訓練過程中輸入更大的數據集，該機器學習方法也變得越來越可靠。
