I framtiden, materialforskare kommer att använda avancerad programvara för att specificera de egenskaper de önskar och ett program kommer att leverera ett urval av optimerade kemiska föreningar.

Dr. B. Christopher Rinderspacher, en teoretisk kemist vid U.S. Army Research Laboratory, publicerade nyligen en artikel som beskriver processen att använda matematik för att designa kemiska föreningar genom att minska komplexiteten och dra fördel av maskininlärning.

"Vad detta gör är att faktiskt öppna upp det potentiella antalet föreningar, " sa Rinderspacher.

Sökandet efter kemiska föreningar med särskilt användbara egenskaper är som att hitta en nål i en höstack, han sa. Förr, kemister sökte utifrån ett etablerat ramverk och hittade ofta nya kombinationer på ett hit eller miss-sätt.

"Problemet med det är att du aldrig hittar något som verkligen är nytt eller överraskande eftersom det vi vill ha är något som bryter mot normen, " sa han. "Om vi ​​håller oss inom våra egna tankemönster - konventionella tankemönster - kommer vi aldrig att hitta material som bryter ut."

Framsteg inom materialvetenskap kommer att resultera i starkare, lättare rustningar eller utrustning för en framtidssoldat. Detta är i linje med arméns moderniseringsprioriteringar som söker långväga precisionsbränder, nästa generation av stridsfordon, framtida vertikala lyftplattformar och soldatdödlighet. Materialvetenskap kommer att spela en stor roll för att förverkliga framtidens armé, sa tjänstemän.

"Vetenskapen fungerar vanligtvis genom att gå fram till gränsen för vad vi vet och peta runt, sa han. Var hittar vi något nytt och intressant?

Genom att introducera en ny väg till upptäckt, Rinderspacher hoppas kunna peka kemister i rätt riktning med hjälp av ett matematiskt tillvägagångssätt. Med hjälp av vad som kallas kärnladdningsfördelningar, han utvecklade ett allmänt teoretiskt ramverk för att hitta kemiska föreningar han letar efter.

Den konventionella vägen för att upptäcka nya kemiska föreningar är "lång och tråkig, " sa han. "Om vi ​​skulle gå vart vi ville, när det gäller alla möjliga kemikalier utan några restriktioner som inte är inneboende i ditt problem, du skulle kunna komma åt allt."

Nyckeln, han sa, kommer på ett sätt att optimera vad som kallas "sannolikhetstäthetsfunktioner i det kemiska rummet."

Under de kommande tre till fem åren, Rinderspacher sa att han hoppas kunna integrera maskininlärning med sina algoritmer för att leverera en lösning och begränsa sökparametrarna för nya kemiska föreningar.

De Journal of Mathematical Chemistry , känd för sitt "original, kemiskt viktiga matematiska resultat" med hjälp av icke-rutinmässiga matematiska metoder, publicerade Rinderspachers tidning.

Rinderspacher har bedrivit denna forskning sedan januari 2009. Det var då han kom till labbet som postdoktor efter att ha tagit sin doktorsexamen vid University of Georgia. En självutnämnd pussellösare, han sa att han drivs av att hitta effektiva lösningar.

"Jag vet att vissa människor verkligen drivs av applikationen som kommer att vara i slutet, men för mig är det fascinerande nog att få det att fungera, " sa han. "Jag gillar att titta på problemet och sedan ta reda på, "Hur många andra problem är sådana och kan lösas på samma sätt?"

Matematikens aktivitet är att tänka på att generalisera saker, organisera idéer och visa vad som fungerar och inte fungerar, han sa.

"Rätt matematik tar dig dit, " sa han. "Det är matematiskt tänkande - utanför ramarna - som jag försöker möjliggöra."