材料科学は、物質の特性と科学と工学の様々な分野への応用を含む学際的な分野です。応用物理学や化学だけでなく、化学、機械、土木、電気工学の要素が含まれている。
米国の科学者は、他の超伝導材料よりも室温と低圧で機能する「レッドマター(Reddmatter)」と呼ばれる超伝導体を作成した。この画期的な技術により、より安価で高効率な電池、核融合炉用磁石、高速鉄道の改良、より効率的な電力網の実現が期待される。
機械学習(ML)により、フッ化物イオン電池の最も有望な材料が迅速に発見された。この研究により、現在原料価格の高騰が起きているリチウムイオン電池に匹敵する別材料の電池開発が加速されることが期待される。
リサイクルのための設計が不足しているにもかかわらず、研究者は回収率を最大化する方法を模索している。水溶液を使用して破砕後の陰極材料から貴重な金属を浸出させるという、純粋な湿式冶金プロセスがより効率的であろう。
最近では、MLの応用が材料科学の分野で重要な進歩を遂げている。この分野はしばしば「マテリアルズインフォマティクス(情報材料学)」と呼ばれている。材料科学のコミュニティは、材料情報学を利用して、材料発見のプロセスを加速し、材料の挙動に関する新たな理解を確立している。
しかし現在、スタンフォード大学のステファノ・エルモンとウィリアム・チュエが率いるチームは、機械学習をベースにした手法を開発し、これらのテスト時間を98%削減している。このグループは、この方法をバッテリーの充電速度でテストしたが、この方法はバッテリー開発パイプラインの他の多くの部分や、非エネルギー技術にも適用できるという。