当下，人工智能潮流涌动，AI for Science正成为科学发现与技术发明的新范式。基于构效关系模型，中国科学院深圳先进技术研究院研究员、武汉先进院院长喻学锋课题组成功发现磷成键新机制，指导理性设计了黑磷、磷基电池材料等一系列新材料产品，开启了材料AI科学探索之路。
近日在第五届新材料产业发展大会上，喻学锋研究员作了关于“人工智能驱动的微纳材料创制技术”的专题分享，详细介绍了团队在材料AI领域的相关探索，获新华社、中国科学报、湖北日报等多家媒体报道。
打破“偶然”
灯丝的发现，科学先贤试验了1600多种材料。过去，新材料的发现往往是这样一个“偶然”的过程。
“这一现实与我们对新材料的迫切需求形成了鲜明对比。”喻学锋研究员意识到，必须找到一种材料理性设计方案，从无穷多种可能的元素组合中快速找到满足特定性能要求的材料。
黑磷是一种前沿二维材料，可应用于电子信息、新能源、生物医药等领域，前景广阔，但制备困难。当时，喻学锋研究员团队正在攻关黑磷制备的新方法，人工智能技术强大的计算与预测能力成了破题的关键。
基于前期积累了大量磷基材料研发数据，喻学锋研究员团队开始着手建立数据自动采集系统，构建磷材料综合数据库，通过机器学习等技术获得的构效关系模型，形成磷材料及工艺知识图谱。基于构效关系模型，团队成功发现磷成键新机制，指导设计了黑磷制备新方法，最终实现高纯度黑磷晶体的规模化制备。
这之后，喻学锋团队在AI材料创制技术上做了许多突破性探索，逐步提高黑磷生产的稳定性，持续拓宽了黑磷材料应用空间。这一系列研究成果奠定了团队在黑磷等磷材料应用上的国际领先地位。
我有一个“梦想”
继物理学奖之后，2024年诺贝尔化学奖依旧青睐AI，蛋白质预测相关研究摘得了该奖项。喻学锋直言，当前人工智能正深刻驱动着材料科学的创新，“AI for Science”已进入加速涌现期。
而相较于AI+生命科学，AI+材料更具有特殊性。
新材料样品到产品的制备工艺差别巨大，因此跨越科学到生产力鸿沟的难度也更大，这是材料产业“卡脖子”问题严重的重要原因，也是AI+技术应该重点解决的方向。
“我有一个梦想，让新材料研发与应用周期减半、成本减半，这可能也是很多材料科学家们的梦想。”喻学锋研究员表示，材料人工智能技术应更加关注创新链的薄弱环节。
当前，喻学锋研究员团队通过AI智能制备推动材料与IBT技术的融合与应用，构建机器科学家平台，开发具身智能科学家、中试智能体、多智能体等，AI辅助优化后产品性能优异且相关制备工艺稳定易放大，大大提高了新材料研发效率。
该团队已经开发出了磷基电池材料、气凝胶、有机硅封装胶、双疏涂层、磁性微球、微胶囊多种新材料产品，并完成了相应的中试验证。部分产品已经投产上市，为企业创造了可观的经济效益。
除此之外，团队还创立了AI驱动的CRDO研发服务模式，将材料研发服务体系化、标准化、市场化，为企业提供“实验室开发—小试—中试—试生产”定制化技术解决方案。“我们希望通过自己的努力，让更多的新材料能够更快地应用到产业中去。”
报道汇编
（扫码看全文）
新华社app
中国科学报
湖北日报
【END】
