机器学习技术在太阳能电池材料中的应用——子询（深圳）智能研究院院长刘东屏

一份新报告称，太阳能光伏和其他可再生能源将会越来越受益于人工智能(AI)，人工智能会彻底变革这项技术的设计、研发和部署，太阳能与人工智能相结合，将改变我们的生活。

2017中国(深圳)Solar plus国际高峰论坛将在深圳国际会展中心隆重举行，8日下午，子询(深圳)智能研究院院长刘东屏作了关于“机器学习技术在太阳能电池材料中的应用”的演讲。

会议实录如下：

非常高兴有这个机会跟大家讲讲子询在前期的研究和产业化结合当中的进展。

子询是一个非常年轻的研究机构，是一个企业化运作的研究机构，按照国家规定是一个三类型机构，是2016年成立的，在今年一年的运营过程中，在材料领域做出了一些自己的研究成果，下面简单介绍一下子询的工作情况。

子询人工智能研究院是在工业人工智能领域非常聚焦的，在深圳和成都有两个中心，成都中心是研发中心，深圳中心是产品中心。通过这一年的实践，走访了多家民营企业，同时有40几家合作单位。子询的核心产品是一套基于人工智能算法的网络平台，我们在这个平台中可以训练自己的材料基因组，训练跟材料相关的产品。

整个团队是一个海外创业团队，我们有海外的院士加盟，还有海外知名的材料领域的教授，同时在国内有相应的博士和技术辅助人才的支持，这样就建立了一个比较完整的从科研到产业化的运作团队。其实子询所瞄准的市场就是从科研到产业化的最后一公里，我们在产品端的努力要比在科研端的努力还要多。

从技术上来讲，技术核心的优势是贫数据的训练方式。现在讲人工智能，很多人工智能需要的数据量是非常巨大的，比方说训练一张人脸，可能需要2万张以上的图片才能把一个事情训练得很好，但是子询不仅在训练图象，还有在训练语音的时候，我们的训练样本都是非常少的，这是基于我们的贫数据的技术。此外，在现在的神经元网络方面也有独有的技术积累，主要是像Capsule这样的神经元网络技术。这是最新的神经元网络技术，Capsule主要解决的是在小样本的数据量下，我们怎么训练出一个有效的图形。

在对企业服务方面有自己的网络化特色平台，在这段时间内累积了27份专利，同时获得了北京市科技进步一等奖，这是前期取得的一些成绩。

在太阳能技术方面，子询跟其它人工智能企业的区别体现在它的技术和技术流程上，刚才我们讲过了技术的部分，在技术流程方面是一个全流程的企业，这指的是人工智能分四部分，第一是训练，大家讲的要企业数据，都是指要做一个模型的训练，这其实只是人工智能产品的第一步，第二步，要对这个数据进行有效的压缩，有效压缩之后才能满足工业界的需求，因为工业界的人工智能需求不是一种在线式的需求，它绝大部分是一种离线式的需求，所以我们要通过有效的压缩技术把相应的算法和模型写入FPGA当中，让它完成离线功能，因此要在离线的时候才能使用，这才是工业界最需要的机器人。最后，需要这种离线式机器人具有自主学习功能，它具有自主学习功能之后，在生产线上即使不联网，可以根据新的产品对自我进行相应的调整，这才是真正未来可以助力工业产品成长的一个机器人技术。

子询既然是聚焦在工业人工智能领域，工业实际上是一个很大的范畴，在工业上我们看待工业有相应的材料问题，有相应的设备问题，有相应的工艺问题，还有相应的软件问题，今天我们要和太阳能相结合，我们下面的主题是和太阳能相结合的，所以我们着重说一下人工智能如何和材料研究相结合，这种材料研究又能如何帮助到太阳能产品的研发。

首先简单介绍一下人工智能。大家对人工智能的概念可能设备都是来自电影里，我们讲人工智能，有很多的著名电影，绝大部分会想到人工智能怎么跟人类相处的问题。这一次的人工智能浪潮到底会不会让我们社会有这样的问题呢?目前来看，从技术角度我们还并不具备这样的条件。

微观一点讲，人工智能是什么，其实人工智能是一堆专有名词的算法，这些算法在这里就不一一展开了，但是要强调的是，这一代的人工智能算法在经验学习、模式识别、自然语义和数据检索方面是有它独特优势的，但是目前的人工智能算法还并不具备机器情感，所以并不会出现我们在电影里面看到的情况。如果更微观一点的讲，在工业领域和人工智能相结合应该怎么走呢?它有几条路径，讲机器学习，只是其中的一个环节，还有对机器的操控，以及对视觉上的反馈，这样一个图形整体的构成了人工智能在工业界核心的几个要素。

目前的人工智能发展，从火星车、工业机械手的应用中已经可以得到充分体现。

下面有一个统计图，这一点很有意思，这是世界上现在的机器人的数量，我们可以看到日本的机器人拥有数量非常多，这张图告诉我们的是工业机器人，就是我们说的机械手这种机器人在各国的应用程度。德国是工业制造强国，它的机器人的数量也是相当多的，所以机器取代人在工业应用是有非常广阔前景的。

从时间这个维度来看，机器人的人口数量其实也在不断地成长，这个统计是在2015年的时候做的，到目前为止，现在的数量已经是在三四级。

刚才讲的都是AI概念，AI具体和材料如何结合，如何进行相应的实践，这是我们下面要回答的问题。

刚才提到了神经元网络，神经元网络和人工智能到底有什么关系呢?神经元网络是什么?简单来说，神经元网络是一种特殊的方法，它可以让机器具有自主学习功能，神经元网络也是一种任意内容的迭代器，它可以让机器学习任意的内容，这就是目前这次人工智能浪潮当中我们用深度神经元网络和机器学习相结合的一个非常典型的成功的算法。

如何把工业智能化进一步推向工业4.0的升级呢?我认为这里面应该加上神经元网络。工业智能和神经元网络的结合，它有几个代表性的例子，这个是IBM的watson机器人的架构图，这个架构图比较复杂，但是用最后的效果呈现就非常简单，它是用一堆的计算机指令自动地给病人做手术，这个东西现在已经发生了，这并不是科幻，但是它只能在特殊的病症上做这些事情。

这是到IBM参观的时候看到的情况，一个房间里是一堆高精尖的计算机，如果在工业领域想做人工智能，首先得有这么多的硬件。子询的硬件是什么样的呢?虽然没有IBM这么大的实验室，但是实验条件也还是可以的，我们跟中科院、四川师范大学和南科大的集群都是互联的，这样可以保证有相应的运算能力和运算量，可以跟上对工业人工智能的需求。

在工业领域，有很多人做了比较细分的领域，他们都是在某些问题上做了相应的突破，这里我就不再一一展开。

具体来看，人工智能和材料领域的结合，首先就是在新材料的发现上，我们可以用神经元的算法便利整个元素周期表，做不同组份的任意的组份实验，分析它的稳定性、它的结构的特性到底是什么，以及跟你最终的目标所输出的材料特性之间到底能不能匹配上，这是神经元网络可以干的事情。

具体来讲，我们有一套完整的流程图，现在我们已经实现了这样的技术。

人工智能和材料学凌玉象结合，还可以在材料悟性的研究上有很强的应用，它就是根据我们不同的实验，我们在太阳能领域有二三十年的实验数据的累积，它累积实验的过程中有大量的失败数据，也有少量的成功数据，机器学习失败的数据是非常有用的，可以给它很好的路径，让我们指向一两次的成功，所以它在数据的悟性上，基于我们的数据回溯，人工智能可以很好的算出它的数据，我们经过人工智能的算法和分析，可以了解每一个材料上一点点变化所带来最终性能的改变。

这是现在做的两个比较经典的例子，其中一个是用人工智能去拟合能带结构，能带结构就是我们对一个材料电学性质的描述，红色的线是深度神经元网络拟合出来的东西，虚线是根据实验测量和理论计算的结果，结果还是非常吻合的。这是指在电子结构方面。还有一个太阳能涉及到很多的掺杂，在掺杂上怎么解决，我们也有一套AI的算法，根据你要掺杂的水平预测你掺杂所处的能带间隙的位置，从而控制一些间接跃迁和直接跃迁的效率，这还是我们在实验室当中得到实验验证的结果。

此外，人工智能在快速材料搜索方面有非常典型的应用。结合太阳能领域的发展，这是一张NREL的图，很多人都看过这张图，这个图上的点就是对太阳能领域所研究的心路历程，我们对大数据的分析，可以推测出下一代的太阳能材料的结构是什么样的，所以说人工智能核心解决的问题，就是把原先要用实验做的事情，有毒的、周期长的，稳定性差的实验的因素，变成无毒的、高效的、性能稳定的在线式的实验。

通过人工智能算法，最终可以让实验和理论相结合，同时强调使用效果，并且可以做到快速求解，在一个元素周期表当中如何找和锂这种材料相匹配或者可以相提并论的材料。

人工智能在外围应用软件方面也是可以和太阳能相结合的，比如说能源管理，像房间和车载的能源管理。此外，我们在能源管理方面做了一点小小的实验，这是做的一个模型，通过神经元网络这种方法，可以有效地建模，规划使用者的习惯，在长周期下进一步提高能源使用效率，同时还增加它的稳定性。

(发言为现场速记整理，未经嘉宾审核)