原文發(fā)表于《科技導(dǎo)報(bào)》2025 年第24 期 《 人工智能在先進(jìn)材料研發(fā)中的應(yīng)用 》

在全球科技創(chuàng)新浪潮推動(dòng)下，材料科學(xué)正從經(jīng)驗(yàn)試錯(cuò)模式向智能設(shè)計(jì)模式轉(zhuǎn)型。本文綜述了人工智能（AI）在材料成分與結(jié)構(gòu)設(shè)計(jì)、性能預(yù)測、合成優(yōu)化及工業(yè)實(shí)踐中推動(dòng)材料研發(fā)從經(jīng)驗(yàn)試錯(cuò)向智能設(shè)計(jì)范式轉(zhuǎn)型的前沿進(jìn)展。闡述了AI技術(shù)對數(shù)據(jù)稀缺和多尺度建模等挑戰(zhàn)的應(yīng)對方案。未來，AI將推進(jìn)材料研發(fā)向數(shù)據(jù)驅(qū)動(dòng)、自主決策和智能迭代的高階范式加速躍遷。

在全球科技創(chuàng)新浪潮推動(dòng)下，材料科學(xué)正從經(jīng)驗(yàn)試錯(cuò)模式向智能設(shè)計(jì)模式轉(zhuǎn)型，人工智能（AI）憑借強(qiáng)大的數(shù)據(jù)處理與跨尺度建模能力，成為這場變革的核心驅(qū)動(dòng)力。技術(shù)突破加速向市場轉(zhuǎn)化，釋放顯著商業(yè)價(jià)值。

各國將“AI+材料”列為戰(zhàn)略重點(diǎn)，中國“十四五”規(guī)劃為AI與新材料領(lǐng)域部署了逾千億資金；歐盟Horizon Europe計(jì)劃投入50億歐元推動(dòng)可持續(xù)材料發(fā)展。

學(xué)術(shù)研究同樣呈現(xiàn)爆發(fā)式增長，本文基于Web of Science核心合集、Scopus、中國知網(wǎng)（CNKI）、萬方數(shù)據(jù)知識(shí)服務(wù)平臺(tái)及Materials Project等材料專用數(shù)據(jù)庫開展多源檢索。如圖1所示，2021—2024年關(guān)鍵技術(shù)、核心應(yīng)用、突破進(jìn)展、范式革新4類文獻(xiàn)數(shù)量持續(xù)增長，領(lǐng)域研究熱度逐年攀升；2025年雖僅統(tǒng)計(jì)半年，各研究維度均受關(guān)注，展現(xiàn)出發(fā)展活力。主題分類占比情況如圖2所示，反映出研究聚焦材料性能等核心環(huán)節(jié)，同時(shí)也提示需關(guān)注數(shù)據(jù)標(biāo)準(zhǔn)化等未來挑戰(zhàn)，以推動(dòng)領(lǐng)域發(fā)展。

圖1 近5年“AI+材料”主題文獻(xiàn)分類及數(shù)量變化趨勢

圖2 近5年“AI+材料”主題文獻(xiàn)分類占比統(tǒng)計(jì)

我們系統(tǒng)綜述了AI驅(qū)動(dòng)先進(jìn)材料研發(fā)的進(jìn)展，從關(guān)鍵技術(shù)、核心應(yīng)用、突破進(jìn)展及范式革新4個(gè)維度構(gòu)建分析框架，為突破技術(shù)瓶頸、推動(dòng)產(chǎn)業(yè)化應(yīng)用提供參考，本文的總體框架如圖3所示。

圖3 研究的總體框架

01

人工智能在先進(jìn)材料研發(fā)中的核心應(yīng)用

1.1 AI驅(qū)動(dòng)的材料成分與結(jié)構(gòu)設(shè)計(jì)

AI驅(qū)動(dòng)的材料成分與結(jié)構(gòu)設(shè)計(jì)借助機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等技術(shù)，實(shí)現(xiàn)材料性能預(yù)測、微結(jié)構(gòu)與機(jī)械行為關(guān)聯(lián)優(yōu)化、金屬有機(jī)框架生成及超材料性能定制，完成新型合金、電極材料等成分篩選與晶體微觀結(jié)構(gòu)設(shè)計(jì)，突破傳統(tǒng)試錯(cuò)效率瓶頸，推動(dòng)材料設(shè)計(jì)向自動(dòng)化、定制化發(fā)展并加速高性能材料研發(fā)進(jìn)程。

針對成分優(yōu)化方向，核心是實(shí)現(xiàn)目標(biāo)性能導(dǎo)向的精準(zhǔn)篩選與調(diào)控。深度學(xué)習(xí)框架通過集成生成器與預(yù)測器，實(shí)現(xiàn)磁流變彈性體成分的逆向設(shè)計(jì)，精準(zhǔn)調(diào)控其磁致儲(chǔ)能模量，磁流變彈性體的深度學(xué)習(xí)正向預(yù)測與逆向設(shè)計(jì)框架見圖4，正向基于比例特性并結(jié)合物理信息預(yù)測性能，逆向則依據(jù)目標(biāo)性能指導(dǎo)材料配比。

圖4 磁流變彈性體深度學(xué)習(xí)正向預(yù)測與逆向設(shè)計(jì)框架

在結(jié)構(gòu)定制層面，重點(diǎn)是構(gòu)建功能需求與微觀結(jié)構(gòu)的智能匹配體系。AI通過數(shù)據(jù)物理融合實(shí)現(xiàn)多維度調(diào)控，深度學(xué)習(xí)借助條件生成對抗網(wǎng)絡(luò)實(shí)現(xiàn)彈性超材料帶隙的逆向定制；機(jī)械超材料領(lǐng)域，基于圖的深度學(xué)習(xí)統(tǒng)一桁架結(jié)構(gòu)的設(shè)計(jì)空間，涉及生成建模的編碼解碼及逆向設(shè)計(jì)的梯度優(yōu)化流程；光學(xué)超材料和太赫茲超材料的逆向設(shè)計(jì)，推動(dòng)結(jié)構(gòu)設(shè)計(jì)向自動(dòng)化演進(jìn)；從機(jī)械超材料微結(jié)構(gòu)設(shè)計(jì)到非晶材料多尺度建模、4D打印活性板材設(shè)計(jì)及生物啟發(fā)材料跨尺度優(yōu)化，AI正構(gòu)建多尺度協(xié)同的結(jié)構(gòu)設(shè)計(jì)新范式。

1.2 AI驅(qū)動(dòng)的材料性能預(yù)測與仿真

AI驅(qū)動(dòng)的材料性能預(yù)測與仿真借助深度學(xué)習(xí)框架結(jié)合遷移學(xué)習(xí)、層次神經(jīng)網(wǎng)絡(luò)等多樣化機(jī)器學(xué)習(xí)方法，融合物理機(jī)理與數(shù)據(jù)驅(qū)動(dòng)模型，實(shí)現(xiàn)對晶格熱導(dǎo)率、超導(dǎo)體臨界溫度等材料關(guān)鍵特性的跨尺度精準(zhǔn)預(yù)測及多維度非線性關(guān)系建模，廣泛應(yīng)用于能源、復(fù)合材料等領(lǐng)域，顯著提升預(yù)測仿真效率與精度并支撐多尺度性能優(yōu)化。

• 一方面，基礎(chǔ)屬性預(yù)測聚焦材料核心物理化學(xué)特性的高精度計(jì)算。

• 另一方面，復(fù)合材料預(yù)測則針對多組分、跨尺度的復(fù)合材料體系，解決復(fù)雜結(jié)構(gòu)下的性能分布與調(diào)控難題。

1.3 AI驅(qū)動(dòng)的材料合成與缺陷控制

AI驅(qū)動(dòng)的材料合成與缺陷控制依托機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、高通量實(shí)驗(yàn)與數(shù)據(jù)分析、深度生成模型、可解釋AI結(jié)合有限元分析，以及自動(dòng)化合成平臺(tái)、機(jī)器人技術(shù)和深度學(xué)習(xí)缺陷檢測等手段，實(shí)現(xiàn)材料合成工藝優(yōu)化、制備加速、成分探索及晶體結(jié)構(gòu)計(jì)算提效，同時(shí)完成缺陷高精度預(yù)測評估與微觀調(diào)控，顯著提升研發(fā)效率質(zhì)量并優(yōu)化制備工藝。

合成優(yōu)化方向的核心是通過數(shù)據(jù)驅(qū)動(dòng)減少實(shí)驗(yàn)試錯(cuò)次數(shù)，提升合成效率與產(chǎn)物均一性。缺陷調(diào)控方向則聚焦材料制備過程中的缺陷識(shí)別與控制，保障材料服役性能與穩(wěn)定性。可解釋AI結(jié)合有限元數(shù)據(jù)構(gòu)建高精度模型，實(shí)現(xiàn)對復(fù)合材料缺陷特征的精準(zhǔn)預(yù)測，為材料健康監(jiān)測提供關(guān)鍵技術(shù)支撐。

02

人工智能驅(qū)動(dòng)材料研發(fā)的關(guān)鍵技術(shù)與方法

人工智能通過3大創(chuàng)新方法體系深度重構(gòu)材料研發(fā)路徑：

• 數(shù)據(jù)驅(qū)動(dòng)方法革新材料數(shù)據(jù)處理與表征，克服數(shù)據(jù)稀缺瓶頸；

• 物理嵌入建模融合物理原理與AI技術(shù)，增強(qiáng)多尺度模擬能力并提升性能預(yù)測精度；

• AI驅(qū)動(dòng)實(shí)驗(yàn)系統(tǒng)構(gòu)建自主合成平臺(tái)與智能監(jiān)控工具，驅(qū)動(dòng)材料研發(fā)向高通量自驅(qū)動(dòng)范式演進(jìn)。

2.1 AI驅(qū)動(dòng)的材料數(shù)據(jù)驅(qū)動(dòng)方法

AI驅(qū)動(dòng)的材料數(shù)據(jù)驅(qū)動(dòng)方法以突破數(shù)據(jù)瓶頸為核心，運(yùn)用機(jī)器學(xué)習(xí)算法處理高通量材料數(shù)據(jù)，構(gòu)建數(shù)據(jù)與性能的關(guān)聯(lián)模型，推動(dòng)材料數(shù)據(jù)庫與智能篩選技術(shù)發(fā)展，顯著提升材料研發(fā)效率。

數(shù)據(jù)擴(kuò)充環(huán)節(jié)重點(diǎn)解決材料數(shù)據(jù)樣本稀缺、多源異構(gòu)的難題。少樣本學(xué)習(xí)通過整合數(shù)據(jù)庫資源、開展高通量實(shí)驗(yàn)擴(kuò)充數(shù)據(jù)集，材料科學(xué)少樣本數(shù)據(jù)集擴(kuò)展及機(jī)器學(xué)習(xí)方法如圖5所示；借助遷移學(xué)習(xí)等策略挖掘小樣本價(jià)值，推動(dòng)數(shù)據(jù)從“小數(shù)據(jù)”向“大數(shù)據(jù)”跨越。

圖5 材料科學(xué)少樣本數(shù)據(jù)集擴(kuò)展機(jī)器學(xué)習(xí)方法

數(shù)據(jù)利用與優(yōu)化環(huán)節(jié)聚焦數(shù)據(jù)的高效轉(zhuǎn)化并關(guān)注數(shù)據(jù)可靠性對技術(shù)應(yīng)用的影響。深度遷移學(xué)習(xí)能夠快速預(yù)測復(fù)合材料等效性能；同時(shí)，神經(jīng)網(wǎng)絡(luò)算子可提取微結(jié)構(gòu)與力學(xué)響應(yīng)關(guān)系，支撐超材料逆向設(shè)計(jì)。此外，數(shù)據(jù)驅(qū)動(dòng)平臺(tái)集成計(jì)算資源、數(shù)據(jù)庫與算法，在儲(chǔ)能材料篩選、鈣鈦礦合成等領(lǐng)域發(fā)揮重要作用。

2.2 AI驅(qū)動(dòng)的材料物理嵌入建模

AI驅(qū)動(dòng)的材料物理嵌入建模將密度泛函理論、晶體對稱性等物理機(jī)制融入機(jī)器學(xué)習(xí)模型，構(gòu)建起高效的跨尺度研發(fā)范式，顯著提升對復(fù)雜材料體系的預(yù)測與設(shè)計(jì)能力。從技術(shù)邏輯出發(fā)，可分為物理機(jī)制注入與跨尺度建模融合2個(gè)維度。

• 物理機(jī)制注入維度的核心是將材料科學(xué)的基礎(chǔ)物理規(guī)律融入AI模型，提升模型的理論支撐與解釋能力。

• 在跨尺度建模融合維度，針對復(fù)雜材料體系的多尺度特性，解決性能關(guān)聯(lián)與調(diào)控的難題。

物理模型與AI從數(shù)值、圖像及機(jī)制3個(gè)方面進(jìn)行整合，成功解決跨尺度建模中準(zhǔn)確性與可解釋性的矛盾。

2.3 AI驅(qū)動(dòng)的材料實(shí)驗(yàn)系統(tǒng)

AI驅(qū)動(dòng)的材料實(shí)驗(yàn)系統(tǒng)通過整合自主實(shí)驗(yàn)室、機(jī)器人平臺(tái)與主動(dòng)學(xué)習(xí)算法，構(gòu)建“計(jì)算?實(shí)驗(yàn)?驗(yàn)證”閉環(huán)，以自動(dòng)化、智能化與數(shù)據(jù)整合模式加速材料研發(fā)進(jìn)程。結(jié)合實(shí)驗(yàn)系統(tǒng)的核心功能，從自主實(shí)驗(yàn)設(shè)備構(gòu)建與過程仿真優(yōu)化兩方面展開。

自主實(shí)驗(yàn)設(shè)備構(gòu)建的重點(diǎn)是通過硬件自動(dòng)化與算法集成，減少人工干預(yù)并提升實(shí)驗(yàn)效率。基于AI與機(jī)器人技術(shù)構(gòu)建的自主實(shí)驗(yàn)室，能夠高效合成新型無機(jī)化合物，AI驅(qū)動(dòng)加速新材料自動(dòng)合成自主實(shí)驗(yàn)室框架見圖6，可自主探索電子聚合物薄膜制備工藝，實(shí)現(xiàn)性能優(yōu)化。

圖6 AI驅(qū)動(dòng)加速新材料自動(dòng)合成自主實(shí)驗(yàn)室框架

過程仿真優(yōu)化方面，則通過軟件層面的仿真與數(shù)據(jù)關(guān)聯(lián)，為實(shí)驗(yàn)過程的優(yōu)化與調(diào)控提供支撐。AI融合傳統(tǒng)仿真挖掘工藝與性能關(guān)聯(lián)，為制造過程的數(shù)字孿生提供技術(shù)支撐。此外，機(jī)器學(xué)習(xí)貫穿能源材料多尺度設(shè)計(jì)，推動(dòng)自主實(shí)驗(yàn)室與量子計(jì)算的集成應(yīng)用，顯著縮短材料研發(fā)周期。

03

人工智能驅(qū)動(dòng)材料研發(fā)的技術(shù)突破和工業(yè)級(jí)實(shí)踐及挑戰(zhàn)

針對數(shù)據(jù)稀缺、高維復(fù)雜性等核心挑戰(zhàn)，創(chuàng)新AI方法通過融合物理機(jī)制、嵌入領(lǐng)域知識(shí)及多模態(tài)框架等策略提供解決方案，展現(xiàn)應(yīng)對關(guān)鍵難題的強(qiáng)大潛力。

3.1 AI驅(qū)動(dòng)的材料研發(fā)技術(shù)突破

AI驅(qū)動(dòng)的材料研發(fā)技術(shù)借助晶體圖神經(jīng)網(wǎng)絡(luò)、多模態(tài)學(xué)習(xí)等創(chuàng)新手段，在相圖擴(kuò)展、逆向設(shè)計(jì)等領(lǐng)域?qū)崿F(xiàn)關(guān)鍵突破，助力發(fā)現(xiàn)大量穩(wěn)定化合物與創(chuàng)紀(jì)錄的功能材料，重塑傳統(tǒng)研發(fā)模式。具體可從材料發(fā)現(xiàn)效率提升與性能極限突破2個(gè)角度呈現(xiàn)。

• 從發(fā)現(xiàn)效率提升來看，AI技術(shù)顯著擴(kuò)大穩(wěn)定化合物的篩選范圍并提升驗(yàn)證效率，解決傳統(tǒng)試錯(cuò)法“發(fā)現(xiàn)周期長、成功率低”的痛點(diǎn)。

• 從性能極限突破來看，AI技術(shù)通過逆向設(shè)計(jì)打破傳統(tǒng)材料的性能極限，實(shí)現(xiàn)高性能材料的定向開發(fā)。

這些技術(shù)成果彰顯AI在材料研發(fā)中的強(qiáng)大驅(qū)動(dòng)力，加速新材料從理論預(yù)測到實(shí)際應(yīng)用的轉(zhuǎn)化進(jìn)程。

3.2 AI驅(qū)動(dòng)的材料工業(yè)級(jí)實(shí)踐

AI驅(qū)動(dòng)的材料工業(yè)級(jí)實(shí)踐通過將機(jī)器學(xué)習(xí)輔助3D打印、自適應(yīng)熱超材料等技術(shù)與制造技術(shù)深度融合，實(shí)現(xiàn)熱電材料、儲(chǔ)能材料的工程化應(yīng)用，攻克鈣鈦礦量產(chǎn)等工藝難題，推動(dòng)高性能材料取得工程化突破。按應(yīng)用場景的差異，可分為能源材料產(chǎn)業(yè)化落地與通用技術(shù)框架構(gòu)建。

能源材料產(chǎn)業(yè)化落地方面，核心是解決實(shí)驗(yàn)室成果向工業(yè)量產(chǎn)轉(zhuǎn)化的工藝適配難題。AI輔助3D打印優(yōu)化熱電材料配方與工藝，為廢熱發(fā)電應(yīng)用提供可行的工程化方案，推動(dòng)熱電材料從實(shí)驗(yàn)室研發(fā)走向量產(chǎn)應(yīng)用。

通用技術(shù)框架構(gòu)建方面，聚焦為多場景材料應(yīng)用提供標(biāo)準(zhǔn)化技術(shù)支撐，減少不同領(lǐng)域的重復(fù)研發(fā)成本。深度學(xué)習(xí)設(shè)計(jì)的自適應(yīng)熱超材料能依據(jù)環(huán)境溫度自動(dòng)調(diào)節(jié)熱傳導(dǎo)性能，為智能熱管理設(shè)備開發(fā)構(gòu)建通用框架。

3.3 AI驅(qū)動(dòng)的材料研發(fā)核心挑戰(zhàn)

AI驅(qū)動(dòng)的材料研發(fā)面臨數(shù)據(jù)稀疏性、模型可解釋性及跨尺度物理機(jī)制融合等多維度挑戰(zhàn)。

數(shù)據(jù)方面存在數(shù)據(jù)稀疏與復(fù)雜特征關(guān)聯(lián)難題，盡管領(lǐng)域知識(shí)增強(qiáng)模型提升了鹵化物雙鈣鈦礦性能預(yù)測精度，但數(shù)據(jù)質(zhì)量與可用性仍是制約發(fā)展的關(guān)鍵瓶頸。

從模型方面，多模態(tài)深度學(xué)習(xí)處理高維材料數(shù)據(jù)時(shí)參數(shù)優(yōu)化復(fù)雜，未定義結(jié)構(gòu)材料的模型可解釋性與準(zhǔn)確性難以平衡。

從實(shí)際應(yīng)用方面，AI預(yù)測需同時(shí)考量理論與工藝可行性；固態(tài)儲(chǔ)氫材料研發(fā)則受限于機(jī)器學(xué)習(xí)對成分、結(jié)構(gòu)與性能關(guān)系的表征能力，難以匹配工業(yè)級(jí)材料的穩(wěn)定性需求。

04

人工智能驅(qū)動(dòng)材料研發(fā)的范式重構(gòu)與未來路徑

人工智能推動(dòng)材料科學(xué)向多維度智能化轉(zhuǎn)型：依托自主實(shí)驗(yàn)室、大語言模型構(gòu)建“數(shù)據(jù)?智能?實(shí)驗(yàn)”閉環(huán)，借助自動(dòng)化合成平臺(tái)加速材料發(fā)現(xiàn)、以數(shù)據(jù)驅(qū)動(dòng)優(yōu)化設(shè)計(jì)。未來需整合跨尺度計(jì)算模擬、推廣生成式AI、構(gòu)建閉環(huán)自主智能實(shí)驗(yàn)室、推動(dòng)材料數(shù)據(jù)標(biāo)準(zhǔn)化，突破瓶頸實(shí)現(xiàn)全鏈條智能化新范式。

4.1 AI驅(qū)動(dòng)的材料科學(xué)范式革新

AI驅(qū)動(dòng)的材料科學(xué)借助自主實(shí)驗(yàn)室、大語言模型等技術(shù)，實(shí)現(xiàn)研究流程自動(dòng)化與知識(shí)發(fā)現(xiàn)，加速傳統(tǒng)試錯(cuò)模式向“數(shù)據(jù)?智能?實(shí)驗(yàn)”閉環(huán)的智能化、自動(dòng)化范式轉(zhuǎn)型。自動(dòng)化平臺(tái)集成機(jī)器學(xué)習(xí)篩選與機(jī)器人合成功能，大幅縮短了鈣鈦礦固溶體的研發(fā)周期。與大數(shù)據(jù)融合構(gòu)建的AI驅(qū)動(dòng)自我運(yùn)行實(shí)驗(yàn)室，可實(shí)現(xiàn)材料研發(fā)全流程自動(dòng)化。這些技術(shù)推動(dòng)材料科學(xué)從經(jīng)驗(yàn)向數(shù)據(jù)智能驅(qū)動(dòng)的全新范式跨越，重塑材料研究與開發(fā)的核心模式。

4.2 AI驅(qū)動(dòng)的材料技術(shù)融合

AI驅(qū)動(dòng)的材料技術(shù)融合通過多學(xué)科交叉催生“AI?物理?生物”協(xié)同框架，以等變神經(jīng)網(wǎng)絡(luò)、生物超材料設(shè)計(jì)等為代表，推動(dòng)跨尺度材料創(chuàng)新與研究范式革新。深度學(xué)習(xí)與密度泛函理論結(jié)合的等變神經(jīng)網(wǎng)絡(luò)框架，為復(fù)雜材料體系研究提供有力支撐；生成相場建模與深度變分自編碼器的融合，建立起微觀結(jié)構(gòu)與性能的逆向設(shè)計(jì)關(guān)聯(lián)，揭示雙相合金性能影響機(jī)制。合成生物學(xué)、超材料與人工智能的三向交叉衍生出生物超材料等新興領(lǐng)域，構(gòu)建跨尺度設(shè)計(jì)新范式。這些技術(shù)融合打破學(xué)科邊界，推動(dòng)材料科學(xué)向多技術(shù)協(xié)同驅(qū)動(dòng)方向深度發(fā)展。

4.3 AI驅(qū)動(dòng)的材料研發(fā)未來路徑

核心在于深度整合多尺度計(jì)算模擬與人工智能技術(shù)，實(shí)現(xiàn)跨尺度材料性能的精準(zhǔn)預(yù)測。廣泛應(yīng)用生成式AI模型，主動(dòng)探索并設(shè)計(jì)新型分子結(jié)構(gòu)及先進(jìn)材料配方。大力構(gòu)建閉環(huán)自主運(yùn)行的智能實(shí)驗(yàn)室，融合機(jī)器人技術(shù)與高通量實(shí)驗(yàn)系統(tǒng)，實(shí)現(xiàn)設(shè)計(jì)預(yù)測驗(yàn)證全流程的自主迭代。推動(dòng)全球材料數(shù)據(jù)的標(biāo)準(zhǔn)化與開放共享，建立高質(zhì)量可互操作的數(shù)據(jù)庫。這些變革將徹底取代傳統(tǒng)試錯(cuò)模式，形成高度預(yù)測性、主動(dòng)創(chuàng)造性與全流程自動(dòng)化的研發(fā)新范式。

05

結(jié)論

人工智能正在深刻重構(gòu)先進(jìn)材料研發(fā)的全鏈條范式，通過機(jī)器學(xué)習(xí)、物理嵌入建模與自主實(shí)驗(yàn)系統(tǒng)的深度融合，實(shí)現(xiàn)了從材料設(shè)計(jì)、性能預(yù)測到合成優(yōu)化的智能化突破。AI技術(shù)不僅顯著加速了新型功能材料的發(fā)現(xiàn)與驗(yàn)證，克服了傳統(tǒng)研發(fā)中的數(shù)據(jù)稀缺與多尺度復(fù)雜性等挑戰(zhàn)，還通過逆向設(shè)計(jì)、高通量篩選與工業(yè)級(jí)優(yōu)化推動(dòng)了材料性能逼近理論極限。盡管在數(shù)據(jù)質(zhì)量、模型可解釋性、跨尺度融合等方面仍存在挑戰(zhàn)，AI驅(qū)動(dòng)的數(shù)據(jù)、計(jì)算、實(shí)驗(yàn)智能閉環(huán)已展現(xiàn)出顛覆性潛力，為材料科學(xué)向自主化、智能化與可持續(xù)發(fā)展轉(zhuǎn)型提供了核心引擎。未來需進(jìn)一步強(qiáng)化物理機(jī)制嵌入、多模態(tài)數(shù)據(jù)融合及跨學(xué)科協(xié)同，以實(shí)現(xiàn)材料研發(fā)范式的全面革新。

本文作者：董樊麗、肖志鵬、李艷輝

作者簡介：董樊麗，上海交通大學(xué)材料科學(xué)與工程學(xué)院、上海交通大學(xué)內(nèi)蒙古研究院，副研究員，研究方向?yàn)樾虏牧蠎?zhàn)略。

文章來 源 ： 董樊麗, 肖志鵬, 李艷輝. 人工智能在先進(jìn)材料研發(fā)中的應(yīng)用[J]. 科技導(dǎo)報(bào), 2025, 43(24): 35?43 .

本文有刪改，

內(nèi)容為【科技導(dǎo)報(bào)】公眾號(hào)原創(chuàng)，歡迎轉(zhuǎn)載
白名單回復(fù)后臺(tái)「轉(zhuǎn)載」

《科技導(dǎo)報(bào)》創(chuàng)刊于1980年，中國科協(xié)學(xué)術(shù)會(huì)刊，主要刊登科學(xué)前沿和技術(shù)熱點(diǎn)領(lǐng)域突破性的研究成果、權(quán)威性的科學(xué)評論、引領(lǐng)性的高端綜述，發(fā)表促進(jìn)經(jīng)濟(jì)社會(huì)發(fā)展、完善科技管理、優(yōu)化科研環(huán)境、培育科學(xué)文化、促進(jìn)科技創(chuàng)新和科技成果轉(zhuǎn)化的決策咨詢建議。常設(shè)欄目有院士卷首語、科技新聞、科技評論、本刊專稿、特色專題、研究論文、政策建議、科技人文等。