材料 AI：尽早验证候选设计的可行性
生成大量候选只有在团队能识别值得昂贵评估的对象时才有意义。接受标准应在生成开始前就可见。
G-ATAI 分析
为研究试点记录目标材料性质和评估方法。先使用便宜且理解充分的检查，把昂贵模拟或实验留给通过检查的候选。保留被拒绝的设计及原因，观察是否丢失有用选择，或反复产生同类失败。
我们建议比较每个独立验证候选所需的时间与成本，并记录模型、输入约束和测试版本。预测的性质或稳定性在适当环境验证之前仍是预测。结合生成与评估可以改善研究循环，但必须继续区分有希望的数字设计与实验已经证明的材料。
部署前应确认的问题
- 哪些检查能及早排除不合适的候选？
- 每个独立验证候选的成本是多少？
- 生成和评估步骤能否复现？
根据 MIT News 撰写的独立评论，不代表与 MIT 存在合作关系或获得其认可。
