隨著 AlphaFold成功破解蛋白質結構難題,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”,而是改變材料研發范式的核心力量。如今,這場AI科研革命正迎來關鍵轉折——從“知其然”的精準預測,邁向“知其所以然” 的邏輯推理,為能源催化材料設計開辟全新賽道。
近期,曹達鵬團隊在《科學通報》發表觀點文章,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,核心依托數據匹配與模式識別技術,可從海量數據中挖掘關聯規律,實現高精度結果預測,但缺乏對物理化學底層邏輯的解釋能力,難以支撐創新性研發任務;狹義AI以OpenAI o1、DeepSeek-R1為典型,突破了單純數據擬合的局限,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構與性能的內在關聯,實現“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提供了清晰技術定位。針對催化材料設計痛點,團隊提出基于“描述符”的智能體框架,將領域知識轉化為機器可識別變量,通過“感知-決策-執行-學習”閉環,兼顧效率與可解釋性,破解傳統經驗試錯局限。團隊進一步提出“智能體集合體+總控體”架構,借鑒雜化泛函思想,通過動態權重分配協同多專業智能體,推動AI從工具向“機器人科學家”轉型,為復雜材料研發提供一體化方案。
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,總控體通過動態權重分配機制,協同需求解析、理論計算、實驗規劃等專業智能體,根據研發階段與任務目標實時調整各模塊權重,使系統具備自適應、自優化的科研決策能力,推動AI從被動工具向主動參與創造性探索的“機器人科學家”的轉型,為復雜材料的跨尺度、多目標研發提供一體化解決方案。
文中也指出,當前AI在能源材料領域面臨三重挑戰:一是算力需求巨大,高校及中小型團隊受硬件與成本限制,難于開展大規模創新;二是龍頭企業主導研發,商業化導向壓縮基礎研究空間,可能抑制顛覆性創新;三是多源知識融合的標準化與接口適配等技術尚未獲得階段性突破。不過,隨著開源算力的推廣、校企差異化協作及接口規范的完善,將會逐步解決這些難題。
本研究將為交叉創新提供關鍵支撐,推動科研范式向 “ 知識數據協同驅動 ” 轉型,助力相關領域技術突破。
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.
轉載、投稿請留言
| 關注科學通報 | 了解科學前沿
特別聲明:以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布,本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.