機器學習算法在很多領域取得了令人矚目的進步，從而廣受人們關注，但它在晶體結構預測方面的應用還有待發展。晶體結構搜索通常要處理大量的備選結構，若對每一個備選結構都進行第一性原理計算的話會耗費大量的計算資源。南京大學物理學院的孫建課題組和王慧田課題組發展了一套機器學習加速晶體結構搜索的程序，用機器學習的方法擬合出一個模型，用這個模型先對備選晶體結構進行初篩，這樣可以有效提高晶體結構搜索的效率。

另一方面，過渡金屬輕元素化合物，特別是鎢氮化物因其具有很高的不可壓縮性和體彈模量，作為硬質材料得到了廣泛的研究。但目前人們還沒有發現超硬（維氏硬度超過40GPa）的鎢氮化合物。這可能是由于鎢氮化合物中過渡金屬原子的d電子能帶會穿過費米面，使其具有金屬性，從而大大降低了材料的硬度。設計具有非金屬性的鎢氮化合物或許可能得到擁有超硬力學特性的新材料。在前人研究基礎上，孫建課題組和王慧田課題組總結出了尋找超硬的過渡金屬輕元素化合物的三條線索：穩定或亞穩的晶體結構、非金屬性的電子結構以及高輕元素占比。這些線索啟發他們在富氮類鎢氮體系中去設計和尋找具備環、鏈、網格和框架等特殊氮原子基元構型的晶體。

利用上述設計思路和他們新發展的機器學習加速晶體結構搜索方法，他們成功設計出了一種非金屬性的富氮類鎢氮化合物h-WN6。它是由扶手椅狀的氮六元環和鎢原子形成的三明治結構。其電子局域分布和成鍵特性分析表明h-WN6是離子型晶體并具有方向性良好的強共價鍵。它是個小帶隙的間接能隙半導體，并且隨著壓力升高，其帶隙表現出反常的展開現象。下圖展示了h-WN6的晶體結構、電子結構及其壓力響應。理論計算表明h-WN6可以在高壓下合成同時在常壓下是亞穩的。令人驚奇的是，理論預測h-WN6結構具有約57GPa的維氏硬度和1,900K的熔點，是目前為止最硬的過渡金屬氮化物。同時，它還具有很高的質量能量密度（3.1 kJ/g）和體積能量密度（28.0 kJ/cm3），是一種潛在的高能量密度材料。

W-N相的晶體結構和理論計算的電子結構

該工作發展了機器學習加速晶體結構搜索的方法，總結了過渡金屬輕元素雜化超硬材料的設計思想，并在此基礎上預言了一種具有很好熱穩定性的超硬又高能量密度的鎢氮化合物。這可能激發人們去理論探索和實驗合成這類有潛在應用價值的材料，并且對于發展更高效的晶體結構搜索方法，驗證超硬材料的設計思想，擴充超硬材料家族以及研究硬度起源都有重要的科學意義。

未來智能實驗室是人工智能學家與科學院相關機構聯合成立的人工智能，互聯網和腦科學交叉研究機構。

未來智能實驗室的主要工作包括：建立AI智能系統智商評測體系，開展世界人工智能智商評測；開展互聯網（城市）云腦研究計劃，構建互聯網（城市）云腦技術和企業圖譜，為提升企業，行業與城市的智能水平服務。