隨著 AlphaFold成功破解蛋白質(zhì)結(jié)構(gòu)難題，以及ChatGPT、DeepSeek等智能模型橫空出世，人工智能（AI）早已不是科研圈的“新鮮話題”，而是改變材料研發(fā)范式的核心力量。如今，這場AI科研革命正迎來關(guān)鍵轉(zhuǎn)折——從“知其然”的精準預測，邁向“知其所以然” 的邏輯推理，為能源催化材料設(shè)計開辟全新賽道。

近期，曹達鵬團隊在《科學通報》發(fā)表觀點文章，提出需要明確廣義AI與狹義AI的核心差異：廣義AI以AlphaFold、GNoME為代表，核心依托數(shù)據(jù)匹配與模式識別技術(shù)，可從海量數(shù)據(jù)中挖掘關(guān)聯(lián)規(guī)律，實現(xiàn)高精度結(jié)果預測，但缺乏對物理化學底層邏輯的解釋能力，難以支撐創(chuàng)新性研發(fā)任務(wù)；狹義AI以O(shè)penAI o1、DeepSeek-R1為典型，突破了單純數(shù)據(jù)擬合的局限，具備邏輯推理與因果推斷能力，能夠基于學科原理推導材料結(jié)構(gòu)與性能的內(nèi)在關(guān)聯(lián)，實現(xiàn)“知其然且知其所以然”的科研目標。

二者劃分標尺為“是否具備可解釋的邏輯推理能力”，這一界定為能源材料研發(fā)提供了清晰技術(shù)定位。針對催化材料設(shè)計痛點，團隊提出基于“描述符”的智能體框架，將領(lǐng)域知識轉(zhuǎn)化為機器可識別變量，通過“感知-決策-執(zhí)行-學習”閉環(huán)，兼顧效率與可解釋性，破解傳統(tǒng)經(jīng)驗試錯局限。團隊進一步提出“智能體集合體+總控體”架構(gòu)，借鑒雜化泛函思想，通過動態(tài)權(quán)重分配協(xié)同多專業(yè)智能體，推動AI從工具向“機器人科學家”轉(zhuǎn)型，為復雜材料研發(fā)提供一體化方案。

團隊進一步提出“智能體集合體+總控體”的通用AI架構(gòu)思想：借鑒密度泛函理論中雜化泛函的策略，總控體通過動態(tài)權(quán)重分配機制，協(xié)同需求解析、理論計算、實驗規(guī)劃等專業(yè)智能體，根據(jù)研發(fā)階段與任務(wù)目標實時調(diào)整各模塊權(quán)重，使系統(tǒng)具備自適應(yīng)、自優(yōu)化的科研決策能力，推動AI從被動工具向主動參與創(chuàng)造性探索的“機器人科學家”的轉(zhuǎn)型，為復雜材料的跨尺度、多目標研發(fā)提供一體化解決方案。

文中也指出，當前AI在能源材料領(lǐng)域面臨三重挑戰(zhàn)：一是算力需求巨大，高校及中小型團隊受硬件與成本限制，難于開展大規(guī)模創(chuàng)新；二是龍頭企業(yè)主導研發(fā)，商業(yè)化導向壓縮基礎(chǔ)研究空間，可能抑制顛覆性創(chuàng)新；三是多源知識融合的標準化與接口適配等技術(shù)尚未獲得階段性突破。不過，隨著開源算力的推廣、校企差異化協(xié)作及接口規(guī)范的完善，將會逐步解決這些難題。

本研究將為交叉創(chuàng)新提供關(guān)鍵支撐，推動科研范式向 “ 知識數(shù)據(jù)協(xié)同驅(qū)動 ” 轉(zhuǎn)型，助力相關(guān)領(lǐng)域技術(shù)突破。

作者簡介

曹達鵬：英國皇家化學會會士（2016年），國家重點研發(fā)計劃項目負責人（2019年）。2002年獲北京化工大學博士學位。先后在香港大學、新加坡納米材料公司以及美國加州大學Riverside從事科研工作。2005年至今任北京化工大學教授、博士生導師。先后獲教育部自然科學獎一等獎和北京市自然科學獎一等獎等省部級獎勵5項。近年來連續(xù)入選愛思維爾中國高被引學者（2018年至今）和科睿唯安“全球高被引學者”（2021年至今）。主要從事氫能催化材料及器件（氫燃料電池和電解水制氫電解槽等）和多孔框架材料（包括共價有機框架（COF）材料和共價有機多孔聚合物（COP）材料）的理論及實驗研究。

文章信息

喬澤龍，姜潤，曹達鵬. 人工智能重塑材料設(shè)計及其演進路徑的探討. 科學通報, 2026.

https://www.sciengine.com/doi/10.1360/CSB-2025-5797.

轉(zhuǎn)載、投稿請留言

| 關(guān)注科學通報 | 了解科學前沿