机器学习（machine learning，ML）是人工智能的一个分支，近来它与材料科学的联系越来越密切。ML 和第一性原理（譬如 DFT）计算相结合，可望在传统 DFT 无能为力的领域实现对材料结构和性质准确而高效的预言。一般而言，我们设计一个 ML 模型并训练之从已有数据（从几个到几千个乃至更多）中学习它们之间的函数关系。如果我们将材料结构编码为多分量矢量，那么材料性质则是高维空间中的多元函数。经过充分训练的 ML 模型可预言未知（即训练集未包含的）材料的性质，其准确性可与传统 DFT 计算媲美，而所需计算资源则少得多。尤其是对多离子合金以及具有显著无序结构的复杂材料，可期望 ML 是获得材料空间整体图像并加速下一代材料设计的有力工具。