日本国立材料科学研究所的科学家们研发了一种机器学习工艺，可以获取具有特定以及所需机械性能的铝合金。此种方法可能会促进新材料的发现。

铝合金是一种轻质节能材料，主要由铝制成，但也含有镁、锰、硅、锌和铜等其他元素。各种元素和制造工艺的组合决定了该合金面对各种应力的弹性如何。例如，5000系列铝合金含镁和其他几种元素，可用作建筑物、汽车和加压容器的焊接材料;而7000系列铝合金含锌，通常还含镁和铜，最常用于自行车车架。

验证各种元素和制造工艺的组合以生产铝合金非常耗时且昂贵，为克服这一问题，日本国立材料科学研究所的Ryo Tamura与同事和丰田汽车公司(Toyota Motor Corporation)合作，研发了一种材料信息技术，该技术可以将已知的铝合金数据库数据输入到机器学习模型中，从而训练模型理解合金不同机械性能与不同组成元素之间的关系，以及与生产过程中应用的热处理类型之间的关系。一旦该模型被提供了足够的数据，就可以预测生产具有特定机械性能的新合金需要什么元素和生产工艺，而且所有上述工作都无需人工输入或监督。

例如，该模型发现，通过增加锰和镁的含量，减少铝的含量，可以制造出具有高抗应力和抗变形特性的5000系列铝合金。Tamura表示：“此类信息有助于研发合金等新材料，以满足工业需要。”

该模型采用了一种称为马尔科夫链蒙特卡洛(Markov chain Monte Carlo)的数据统计法，会利用算法获取信息，然后用图形展示结果，从而方便将不同变量之间的关联实现可视化。通过在训练过程中输入更大的数据集，该机器学习方法也变得越来越可靠。