两年前，谷歌旗下深度思维公司宣布，借深度学习技术发现220万种新型晶体材料。今年初，微软宣称其AI模型MatterGen能从零生成无机材料，有望颠覆无机材料设计范式。
人工智能（AI）推动材料研究的新时代似乎已开启，但批评声也随之而来。批评者认为部分AI设想的化合物缺乏原创性、实用性不足。AI会彻底改变材料发现领域，还是会沦为过度炒作？英国《自然》网站日前一则报道指出，多数研究者认可AI在材料科学的巨大潜力，但需与实验化学家深度合作，同时正视当前AI局限并持续改进，方能释放其全部能量。
AI驱动材料设计热潮
在AI介入前，研究人员主要依赖“密度泛函理论”（DFT）这一传统计算方法预测新材料及性质。DFT曾预测出超强磁体、超导体等优质新材料。
但DFT计算量极大，若要一次性筛选数百万种化合物，成本高到难以想象，AI的价值就此凸显。深度思维公司开发的“材料探索图网络”（GNoME）AI系统，一次性发现220万种新型晶体材料，涵盖元素周期表多种元素，其中包括5.2万种类似石墨烯的层状化合物，以及528种有望改进可充电电池性能的锂离子导体。
美国劳伦斯伯克利国家实验室开发出A-Lab机器人系统。该系统通过研读上万篇无机化合物合成论文，掌握配方设计能力，可合成DFT已预测结构、却从未被制备的化合物。同时，A-Lab能操控机器人执行实验、分析产物是否达标，必要时调整配方实现闭环优化。
GNoME与A-Lab论文发表后不久，微软推出AI工具MatterGen。相较于GNoME，MatterGen更具针对性，它能直接生成符合设计条件的材料。科学家不仅可指定材料类型，还能设定机械、电气、磁性等性能需求，为精准研发提供有力工具。此外，元宇宙平台公司基础AI团队与佐治亚理工学院合作，聚焦“金属有机框架”（MOF）多孔材料，预测出100多种对二氧化碳强吸附的MOF结构，为AI加速直接空气捕获碳技术研发提供了支撑。
原创性与实用性之辩
尽管行业巨头的探索势头强劲，争议却从未停歇。不少科学家直言，部分AI系统设想的化合物既无原创性，也缺乏实用价值。
美国加州大学圣巴巴拉分校材料科学家安东尼·奇塔姆等人浏览深度思维的假设晶体列表后发现，其AI预测的1.8万多种化合物包含钷、锕等稀有放射性元素，实用价值存疑。英国伦敦大学学院固体化学家罗伯特·帕尔格雷夫核查A-Lab研究结果时也指出，该项目合成的41种无机化合物中，部分材料描述有误，甚至有早已合成的已知材料。
对此，A-Lab实验室人员回应，详细再分析证明A-Lab对材料特性的描述可靠，确实合成了所声称的化合物。深度思维一位发言人则表示，GNoME预测的700多种化合物已获其他研究人员独立合成，且该模型还指导发现了几种未知铯基化合物，有望用于光电子与储能领域。
微软的MatterGen也陷入争议。团队测试时让其推荐特定硬度的新材料，其合成出“钽铬氧化物”无序化合物。但今年6月一篇预印本论文指出，这种材料早在1972年就已首次制备，甚至被纳入MatterGen的训练数据。
元宇宙平台公司与佐治亚理工学院的合作项目同样遭质疑。瑞士洛桑联邦理工学院计算化学家贝伦德·斯密特通过计算证实，合作项目提出的新材料无法实现直接空气捕获，模型高估了材料与二氧化碳的结合能力，部分原因是训练所用基础数据库存在误差。
实用化需突破多重关卡
争议虽在，多数研究者仍相信，持续优化后，AI模型将有力推动材料科学进步。
为确保AI结果可靠，微软团队开发辅助AI系统MatterSim，专门验证MatterGen提出的结构在真实温度、压力条件下是否稳定。但即便AI辅助材料发现被证实有效，人类还面临巨大挑战：譬如如何按市场需求优化工艺，又譬如如何实现新材料大规模制造，并将其融入商业产品。
美国Citrine信息学公司的AI系统正助力客户优化现有材料与制造工艺。该公司首席执行官格雷格·穆荷兰德表示，每位客户都拥有定制化Citrine模型，这些模型基于客户专有实验数据训练，还融入研发人员的“化学直觉”，以增强AI判断力。
不可否认，社会对新材料的迫切需求，将持续推动AI在该领域的探索。人类当前面临的诸多重大社会挑战，背后都受限于材料瓶颈。科学家期待借助AI，设计出可规模化生产、真正影响日常生活的先进材料，让AI在材料科学领域的价值真正落地。
两年前，谷歌旗下深度思维公司宣布，借深度学习技术发现220万种新型晶体材料。今年初，微软宣称其AI模型MatterGen能从零生成无机材料，有望颠覆无机材料设计范式。
人工智能（AI）推动材料研究的新时代似乎已开启，但批评声也随之而来。批评者认为部分AI设想的化合物缺乏原创性、实用性不足。AI会彻底改变材料发现领域，还是会沦为过度炒作？英国《自然》网站日前一则报道指出，多数研究者认可AI在材料科学的巨大潜力，但需与实验化学家深度合作，同时正视当前AI局限并持续改进，方能释放其全部能量。
AI驱动材料设计热潮
在AI介入前，研究人员主要依赖“密度泛函理论”（DFT）这一传统计算方法预测新材料及性质。DFT曾预测出超强磁体、超导体等优质新材料。
但DFT计算量极大，若要一次性筛选数百万种化合物，成本高到难以想象，AI的价值就此凸显。深度思维公司开发的“材料探索图网络”（GNoME）AI系统，一次性发现220万种新型晶体材料，涵盖元素周期表多种元素，其中包括5.2万种类似石墨烯的层状化合物，以及528种有望改进可充电电池性能的锂离子导体。
美国劳伦斯伯克利国家实验室开发出A-Lab机器人系统。该系统通过研读上万篇无机化合物合成论文，掌握配方设计能力，可合成DFT已预测结构、却从未被制备的化合物。同时，A-Lab能操控机器人执行实验、分析产物是否达标，必要时调整配方实现闭环优化。
GNoME与A-Lab论文发表后不久，微软推出AI工具MatterGen。相较于GNoME，MatterGen更具针对性，它能直接生成符合设计条件的材料。科学家不仅可指定材料类型，还能设定机械、电气、磁性等性能需求，为精准研发提供有力工具。此外，元宇宙平台公司基础AI团队与佐治亚理工学院合作，聚焦“金属有机框架”（MOF）多孔材料，预测出100多种对二氧化碳强吸附的MOF结构，为AI加速直接空气捕获碳技术研发提供了支撑。
原创性与实用性之辩
尽管行业巨头的探索势头强劲，争议却从未停歇。不少科学家直言，部分AI系统设想的化合物既无原创性，也缺乏实用价值。
美国加州大学圣巴巴拉分校材料科学家安东尼·奇塔姆等人浏览深度思维的假设晶体列表后发现，其AI预测的1.8万多种化合物包含钷、锕等稀有放射性元素，实用价值存疑。英国伦敦大学学院固体化学家罗伯特·帕尔格雷夫核查A-Lab研究结果时也指出，该项目合成的41种无机化合物中，部分材料描述有误，甚至有早已合成的已知材料。
对此，A-Lab实验室人员回应，详细再分析证明A-Lab对材料特性的描述可靠，确实合成了所声称的化合物。深度思维一位发言人则表示，GNoME预测的700多种化合物已获其他研究人员独立合成，且该模型还指导发现了几种未知铯基化合物，有望用于光电子与储能领域。
微软的MatterGen也陷入争议。团队测试时让其推荐特定硬度的新材料，其合成出“钽铬氧化物”无序化合物。但今年6月一篇预印本论文指出，这种材料早在1972年就已首次制备，甚至被纳入MatterGen的训练数据。
元宇宙平台公司与佐治亚理工学院的合作项目同样遭质疑。瑞士洛桑联邦理工学院计算化学家贝伦德·斯密特通过计算证实，合作项目提出的新材料无法实现直接空气捕获，模型高估了材料与二氧化碳的结合能力，部分原因是训练所用基础数据库存在误差。
实用化需突破多重关卡
争议虽在，多数研究者仍相信，持续优化后，AI模型将有力推动材料科学进步。
为确保AI结果可靠，微软团队开发辅助AI系统MatterSim，专门验证MatterGen提出的结构在真实温度、压力条件下是否稳定。但即便AI辅助材料发现被证实有效，人类还面临巨大挑战：譬如如何按市场需求优化工艺，又譬如如何实现新材料大规模制造，并将其融入商业产品。
美国Citrine信息学公司的AI系统正助力客户优化现有材料与制造工艺。该公司首席执行官格雷格·穆荷兰德表示，每位客户都拥有定制化Citrine模型，这些模型基于客户专有实验数据训练，还融入研发人员的“化学直觉”，以增强AI判断力。
不可否认，社会对新材料的迫切需求，将持续推动AI在该领域的探索。人类当前面临的诸多重大社会挑战，背后都受限于材料瓶颈。科学家期待借助AI，设计出可规模化生产、真正影响日常生活的先进材料，让AI在材料科学领域的价值真正落地。
“远方巡视启动！”南方电网云南保山220千伏大寨变电站日前启动首次全套智能巡视，109个摄像头快速旋转，10套在线监测系统开始收集数据，变电站的无人机机巢弹开、无人机飞向工作点位，机器人从卷帘门 记者3月18日从兰州大学获悉，该校动物医学与生物安全学院郑海学教授团队解析了非洲猪瘟病毒（ASFV）在猪体内感染的靶细胞，以及在靶细胞内延长感染的机制。这项研究系统阐明了ASFV感染的细胞嗜性、 3月21日，由安徽省工业和信息化厅指导、中国光伏行业协会主办、阳光电源股份有限公司承办的“PAT2024爱光伏一生一世”先进技术研讨会在合肥举办。光储高压先进技术发布会现场。阳光电源股份有 全球首台无细胞蛋白质合成生物反应器、全球首台全高温超导托卡马克装置（洪荒70）、64比特超导量子计算机研发与产业化项目、深海可燃冰探采重载作业机器人系统研制、载人电动复合翼垂直起降飞行 3月21日，人工智能大模型赋能企业科技创新研讨会在广州召开。中国知网在会议期间发布了专利大数据智能应用产品“AI Pat+”。据中国知网相关负责人介绍，中国知网在人工智能大模型领域的深入研发 美国佐治亚理工学院机械工程师开发了一种控制机器人外骨骼的通用方法。无需专门训练、特别校准，对复杂算法进行调整后，用户穿上外骨骼就可以直接行走。研究成果3月20日发表在《科学·机 。本文链接：AI推动材料研究的时代来了？http://www.sushuapos.com/show-2-13995-0.html
声明：本网站为非营利性网站，本网页内容由互联网博主自发贡献，不代表本站观点，本站不承担任何法律责任。天上不会到馅饼，请大家谨防诈骗！若有侵权等问题请及时与本网联系，我们将在第一时间删除处理。
上一篇： 我国载人航天领域首个国际标准注册立项
下一篇： 探秘卫星如何展翅“晒太阳”