人工智能應用的範疇越來越廣了，美國西北大學在Science Advances發表論文，以人工智能幫助開發金屬玻璃，篩選數百種材質並找到3種能混合爲金屬玻璃的材料。開發團隊表示，以人工智能輔助開發，較傳統方法快了200倍。金屬玻璃另一個較爲人所知的名稱爲液態金屬，但是液態金屬（Liquidmetal）爲加州理工學院研究團隊所開發的非晶態金屬合金的專利商業名稱，iPhone SIM卡取卡針便是以液態金屬打造。大部分金屬的原子以有序的結構排列，而金屬玻璃的原子則以無序排列，不只比鋼更堅固，也更輕更防腐蝕又耐磨，因此有很高的商業價值。
但過去50年，數百萬種可能可以製成金屬玻璃的材料，只有數千種被試驗過。現在西北大學、美國能源部SLAC國家加速器實驗室以及美國國家標準與技術研究院（NIST）的科學家們共同合作，以較少的時間與成本，應用人工智能從一堆性質難以捉摸的材料中，篩選出可以製造金屬玻璃的成分。研究團隊結合SLAC史丹佛同步輻射光源（×××L）系統以及機器學習，篩選了數百種的成分，並找到3種可以製成金屬玻璃的成分，比起以前快了200倍。西北大學McCormick工程學院材料科學與工程教授Chris Wolverton表示，傳統從發現材料到商業應用，通常需要10年的時間，最快也要2年。過去50年科學家研究了6,000種金屬玻璃的成分，研究團隊表示，現在他們一年就可以研究20,000種。原文來源至：http://partner.henkel.com.cn/local/index.php
研究團隊一開始將這50年來，6,000種金屬玻璃材料的研究資料放入機器學習中訓練，並由第一輪的算法中得到了2種樣品合金，再以×××L X光掃描這2種合金，並將取得的數據重新輸入機器學習。這樣的過程經過3輪後，發現金屬的成功率從3百到4百個中發現1個，提升到了2個到3個，而他們用於新制造金屬玻璃的3種成分，其中有2種從未用於金屬玻璃製造。研究團隊以科學量測預測結果，並將這些資料回饋到機器學習的訓練數據，×××L的科學家同時也是論文的共同作者Apurva Mehta表示，這種研究方法將會顛覆材料科學以及化學界。