随着人工智能技术加速演进，AI for Science的价值已得到学界公认，而其中，材料科学更是人工智能赋能科学的重要领域。“面向材料科学的人工智能已成为AI for Science最活跃和最有前途的方向之一。”在9月20日举办的2025浦江创新论坛“未来材料：AI for Material Science”论坛上，报告专家都不约而同地谈到了这一观点。

AI赋能下，材料科学将有哪些新突破？在AI赋能过程中，又有哪些亟待解决的难点？在这场中国科学院上海硅酸盐研究所承办的未来材料论坛上，来自世界各地该领域的著名专家、顶尖学者、优秀青年学者发表了真知灼见。

材料科学是AI for Science最有前景的领域之一

人工智能赋能材料科学，这方面的研究已相当活跃，近年来，这已直观体现于材料领域期刊之中。《Matter》作为Cell Press（细胞出版社）旗下的高影响力材料科学期刊，其主编Steve Cranford透露，2024年该期刊发表的论文中，有近20%涉及人工智能方面的研究，作为一本以材料科学为主题的期刊，这一比例已相当惊人，“过去几年里，人工智能、机器学习类型论文的发表比例正不断上升，可见其确实处于材料科学研究前沿。”Steve Cranford引用了进化论奠基人达尔文的名言来阐释人工智能之于材料学的意义：“在进化的过程中，能够生存下来的物种，不是最强大的，也不是最聪明的，而是那些对变化最具适应能力的。”人工智能带来的变化正是如此，只有能够适应AI变革的学科范式，才能够在未来的发展中“适者生存”。

当下，人工智能已实现对材料科学“教科书”的改写。欧洲人文和自然科学院院士、俄罗斯斯科尔科沃科学与技术研究院杰出教授Artem R. Oganov在演讲的开始，分享了曾经教科书中的一个定论——晶体结构是无法预测的，在当时，已知化学成分进行晶体结构预测基本是不可能的，即使是水的固体结构也超出了普通人的理解力。“当时，学界觉得即使穷尽宇宙的寿命，这些时间也不足以人类历遍晶体结构的可能性。”但随着人工智能的发展，Artem R. Oganov团队逐步解决了这些棘手的问题，由他带领开发的USPEX基于进化算法，能够仅根据物质的化学成分，预测其在给定压力、温度等条件下最可能形成的晶体结构，从而实现地球深部矿物相的研究、高压氢化物等超导材料的设计探索，目前，USPEX在全球已有8000多个专业用户。

“保持属于人类的好奇心非常重要，这意味着不仅要解决问题，更要尝试理解世界本身。”Artem R. Oganov说，“而思维与智慧，才是我们赖以理解世界的核心。”

交叉学科更需交叉人才

在论坛现场，一位观众向中国工程院院士、北京科技大学教授谢建新提问，“如何构筑更好的新材料数据生态？”谢建新的回答引发了会场持久的掌声。

“生态是一个很大的话题，数据资源、数据流通共享，这些都包括在生态的话题内，但我在这里更想强调人才生态。”谢建新直言不讳地谈到，AI for Science作为一个交叉领域，其需要的人才也必须具有学科交叉能力，但这一点目前尚未被重视。“‘懂AI的学者不懂材料，懂材料的学者，AI可能也只是略通皮毛’，这是领域内的常态，我希望大家能像重视技术研发一样，共同重视为交叉学科培养交叉人才。”

作为中国材料领域智能制造方向的推动者和践行者，谢建新在论坛上分享了自己对于国家新材料大数据中心的建设思考。在材料科学领域，数据的意义是什么？在他看来，数据将是人工智能赋能材料领域的关键切入口。“打个比方，我们所有的数据都已存储在这个房间里，只要在这个房间里，就可以做任何材料的研究，但只要出了这个房间，就没有任何做研究的可能——没有新数据，就没有新知识。”

随着全球加快推进材料数据资源整合和基础设施建设，材料数据库发展迅速。据统计，全球知名数据库已从2010年的16个发展至今天的近50个。“我国高度重视材料数据基础设施建设，‘十三五’以来，在数据资源积累、标准、软件、基础设施等方面取得较快进展，形成追赶态势。”谢建新谈到，2024年10月16日，工业和信息化部、财政部、国家数据局联合印发《新材料大数据中心总体建设方案》，全面部署新材料大数据中心建设，其目标是要通过建设公益性、权威性、国际化、可持续的新材料领域的可信数据空间，以解决当前材料数据存在的“孤岛化”现象，以及数据流转共享不通畅、开发利用不深入、潜值释放不充分等问题。据悉，基于该数据中心开发的新材料逆向设计（定制）软件MLDS01已向全社会开放服务，可实现新材料成分快速筛选/优化、制备工艺参数智能推荐等功能。

双向发力，让AI理解材料

“人工智能已快速从个人助理工具转变为严肃的科学发现工具，在材料领域尤其如此。”中国科学院自动化研究所研究员曾大军在论坛现场谈到。

但在AI与材料的双向奔赴，却有一个很大的阻碍——如何让机器真正读懂材料，南方科技大学教授张文清正尝试通过数学来解决这一问题。“从数学意义上来说，材料结构是一种几何的语言，这个语言对人类很直接，但电脑却很难理解。”也正因此，普通的大模型在理解材料学科的问题上常常存在难点，“我们把材料的物性变成一个数学场，以此所有的表达，都可以拥有在神经网络中的对应设计。”张文清介绍道。

一方面，材料科学走入AI时代还存在着“解铃还须系铃人”的挑战，而另一方面，AI大模型也正主动向材料科学靠拢。曾大军介绍，磐石大模型是一个旨在管理与科学相关资源的人工智能系统，如同计算机操作系统一样，为科学研究实现基础和通用功能，并提供可重复使用的组件。“AI for Science研究需要尽量避免重新发明轮子，需要尽量用好共性基础能力，各学科科学家在各自领域关注人工智能就绪的数据和人工智能就绪的共性问题，AI for Science生态就能迅速发展壮大，为科技创新提供强劲势能。”通过使用磐石大模型，自动化所中一个对于材料科学没有太多涉足的团队，在上海硅酸盐所合作者指导下，成功地完成了高熵合金（HEA）催化剂的设计工作。曾大军表示，如更多专业的材料科学家能够使用该工具，或将会激发出这一模型更多更大的潜力。

来源：上海科技