人民網(wǎng)北京5月26日電 （記者 李依環(huán)）想象一下，未來的新材料研發(fā)工作或許將像搭積木一樣，在人工智能的指導(dǎo)下得到高效組合、快速驗證。近日，天津大學(xué)與西南交通大學(xué)聯(lián)合團隊的一項最新研究，正將這一設(shè)想變?yōu)楝F(xiàn)實。

該研究團隊將人工智能大語言模型（LLMs）與遺傳算法（GAs）相結(jié)合，并輔以超快實驗技術(shù)，成功構(gòu)建了一套顛覆性的催化劑篩選框架。相關(guān)成果日前發(fā)表于國際期刊《先進能源材料》（Advanced Energy Materials）上。

據(jù)介紹，在傳統(tǒng)的材料研發(fā)中，以5種金屬元素組合為例，從90種金屬元素中挑選，就可能產(chǎn)生超過4300萬種組合。若按常規(guī)一天測試10個樣品的速度，完成篩選大約需要12040年，這種“組合爆炸”問題嚴重阻礙了新材料的研發(fā)進程。

面對這一“大海撈針”式的挑戰(zhàn)，研究團隊首先利用大語言模型的強大文獻分析能力，從超過14000篇科學(xué)文獻中精準(zhǔn)“捕獲”了10種與析氫反應(yīng)（HER）性能最相關(guān)的關(guān)鍵元素，將候選范圍從整個元素周期表大幅縮小至126種鉑（Pt）基高熵合金。隨后，通過遺傳算法指導(dǎo)實驗，僅用4次迭代（總計24個樣品）便鎖定了最優(yōu)催化劑——IrCuNiPdPt/C。這一過程相比傳統(tǒng)遺傳算法，實驗量減少了60%。

“AI就像一個經(jīng)驗豐富的‘導(dǎo)航員’，能迅速從海量信息中找到方向，而自動化實驗則像‘加速器’，讓驗證過程飛速進行。”天津大學(xué)研究員陳亞楠解釋道，這一“AI+實驗”的雙驅(qū)動策略，不僅將研發(fā)時間從“千年”級壓縮到“小時”級，更將實驗樣本量從數(shù)萬次銳減至24次，極大地節(jié)省了科研的時間和資源。

西南交通大學(xué)副教授李金陽表示，此項研究不僅為開發(fā)高效析氫催化劑帶來了革命性突破，更展示了人工智能在加速新材料發(fā)現(xiàn)領(lǐng)域的巨大潛力，為未來更多復(fù)雜材料的智能化設(shè)計與高效篩選開辟了新道路。

分享讓更多人看到