2023年底，谷歌在《自然》（Nature）发表材料科学人工智能（AI）强化学习模型，为人类找到38万余个热力学稳定晶体材料；微软发布AI生成模型Matter Gen，并与美国能源部下属国家实验室合作，从3200万种无机材料中筛选出全固态电解质材料，完成从预测到实验的闭环；Meta涉足无机材料科学新赛道，推出催化材料数据集Open Catalyst Project和有机金属框架吸附数据集Open DAC……
人工智能是否将改变材料科学的研发范式？12日，由上海交通大学材料科学与工程学院、张江高等研究院未来材料创制中心举办的“翱青论坛”第二期，邀请中国科学院院士、深圳国际量子研究院院长、南方科技大学讲席教授俞大鹏，与上海交通大学“材料+AI”领域中青年先锋科学家一道，就“未来材料AI创制路在何方？”主题展开脑力激荡。
论坛采取“线上+线下”方式同步进行，百余名校内外学子听众与会。上海交通大学材料科学与工程学院党委书记孙丽珍致欢迎辞，副院长李铸国、特聘教授戴庆出席论坛，上海交通大学材料科学与工程学院讲席教授、未来材料创制中心主任黄富强主持论坛。
图1：上海交通大学材料科学与工程学院党委书记孙丽珍致欢迎辞
用“数据工厂”解决材料基因工程数据供给瓶颈
当前，材料科学研究范式，正在加速由试错转变为预测，从手脑研究进化至人机互动。如何充分释放AI的巨大潜力？本期“翱青论坛”，上海交通大学材料科学与工程学院讲席教授、未来材料创制中心副主任汪洪带来《线站+AI：未来材料创制“软硬拓展”两翼齐飞》的报告。
汪洪认为，数据是运用人工智能的基本前提，AI赋能人类知识创造需首要解决数据“够用”与“好用”的问题，因此，未来材料AI创制的研究范式需逐步完善研究技术的高通量化、材料表征的多参量化、数据格式的标准化与数据生产的工厂化。
图2：未来材料创制中心副主任汪洪作《线站+AI：未来材料创制“软硬拓展”两翼齐飞》报告
眼下，上海交通大学正与国家重大科技基础设施——上海光源一道共建全球首条材料基因工程专用束线、全国高校首条自有线站——“材料基因组专用同步辐射线站”。作为该线站建设的主要负责人，汪洪介绍，材料基因组专用线站的首要建设技术目标就是运用微束X光衍射、荧光、小角散射、广角散射、吸收谱学等通用表征技术，建设以微区、扫描、快速、高通量表征为特色，同步辐射光源为基础的材料“数据工厂”。
汪洪表示，基于硬件线站基础设施的“数据工厂”旨在提供高通量数据，基于软件机器强化学习的“人工智能”旨在挖掘多维度材料构效关系，二者叠加，有望解决材料基因工程的数据供给“瓶颈”，在加速材料智能化研发的同时实现数据共享和循环利用。
Alpha Mat.、SmVAE……交大青年才俊碰撞创制奇思
本期“翱青论坛”特别邀请上海交通大学跨学院、跨学科领域多位青年先锋科学家，围绕其自主研发的材料AI创制模型，交流研发心得、碰撞创制奇思。
上海交通大学电子信息与电气工程学院微纳电子学系人工智能与微结构实验室（AIMS-Lab）研究员李金金带来《何为Alpha Mat.？》的报告。物理专业出身的她，将物理学与材料科学、生命科学、信息科学有机融合，围绕AI for Science，带领团队开发出新一代材料智能设计模型——Alpha Mat.。
图3：上海交通大学人工智能与微结构实验室研究员李金金作《何为Alpha Mat.？》报告
“材料信息学是一门集材料科学、计算机科学、人工智能、物理、化学等多学科交叉的学科，然而，这样的交叉人才是非常稀缺的。一方面，人工智能、计算机科学领域的专家无法剖析材料科学的研究难点与痛点，难以实现技术应用落地；另一方面，材料科学的专家对计算机编程不熟悉、对人工智能算法的认识还相对浅显。因此，开发一个连接材料科学与人工智能的‘桥梁’，紧密连接材料科学与人工智能等学科，不仅可以促使材料科学的研究者高效、有效地利用AI工具建立材料预测模型，而且还能启发更多人工智能学者进行先进算法的创新，实现技术应用落地。”李金金说。
怀揣这一理想，李金金带领团队不断优化Alpha Mat.模型，她介绍，该模型已陆续发布7版，目前支持从“数据采集→数据预处理→特征工程→模型建立→参数优化→模型评价→结果分析”全过程；已集成26个AI模型，可满足几乎所有建模需求；已集成>100个材料数据后处理和分析工具，可提高研究效率；具有超过100万个材料属性数据库，并将实时扩展；不需要有编程基础，5分钟可快速应用。
参与过业内领先的开放量子材料计算数据库OQMD搭建的上海交通大学材料科学与工程学院、张江高等研究院未来材料创制中心副教授姚振鹏带来《拥抱智能浪潮：纵览“材料创制”未来之路》报告。近期，他正带领团队紧锣密鼓搭建两个材料细分领域的AI创制平台：面向储能应用的溶液体系合成测试自主优化设计平台和面向能源材料开发的高通量合金/氧化物FSP合成平台。
2020年，姚振鹏搭建了材料科学领域首个基于生成模型的框架材料自主设计平台SmVAE，谈到搭建心得，姚振鹏说，人类未知的化学空间如宇宙般浩瀚，自然界可能形成化合物的个数粗略估计有10的60次方之多，加速对化学空间的高效利用需要推动材料开发方式从高通量筛选向借助人工智能算法模型的材料自主设计转变，优化合成路径、辅助测试表征与计算。
图4：未来材料创制中心副教授姚振鹏作《拥抱智能浪潮：纵览“材料创制”未来之路》报告
上海交通大学密西根学院副教授朱虹带来《AI+材料计算: 如何迈出材料“学习”的第一步?》报告。随着材料基因组计划（MGI）的发展，高通量计算材料数据与日俱增，数据驱动的人工智能将高通量计算、高通量实验、数据库和机器学习方法深度融合，进一步扩展了计算材料学的预测效率和能力。AI+材料计算在不同类材料性能研究中存在不同的关键挑战。朱虹介绍了团队自主研发的高通量计算平台现状，并以基于材料基因工程方法的“不锈镁合金材料研发及新型固态电解质材料设计”为例，阐述可靠算法实现虚拟实验、主动学习降低计算成本、机理先行助力材料设计的重要性。
图5：密西根学院副教授朱虹作《AI+材料计算: 如何迈出材料“学习”的第一步?》报告
大师对谈：抢占材料革命性合成探索时代机遇
材料科学+AI，标志着材料创新和发现进入新时代。在与青年科研人员对谈环节，俞大鹏院士表示，AI创制为破解实验室科学研究“要啥有啥”、产业化应用瓶颈“用啥没啥”的材料研发困境提供了有利工具支撑。
图6：俞大鹏院士与上海交通大学“材料+AI”领域中青年先锋科学家、学子听众对谈
一方面，与传统材料研发方式相比，人工智能为探索更广泛的材料可能性打开了大门，显著减少了与材料发现相关的时间与费用；另一方面，材料AI创制还面临可信度和有效实施的挑战，确保数据质量、识别和减轻用于训练AI系统的数据潜在偏差等一系列问题有待解决。
图7：上海交通大学“材料+AI”领域青年科研人员现场提问
对于到场青年科研人员和在校学子，俞大鹏院士表示，尽管近年来在加强材料AI创制领域我国已取得了不少业绩，但与世界一流高校科研机构、企业巨头相比，还有很大距离。他勉励与会科研人员努力抢占材料革命性合成探索时代机遇，在“材料创智”领域勇于开展原始创新、有用创新和极致创新，为实现“AI（Artificial Intelligence人工智能） + HI（Human Intelligence、人类智能）”的人机有机结合不懈奋斗。
图8：“翱青论坛”第二期聚焦未来材料AI创制之路会议现场
文稿 | 未来材料创制中心
摄影 | 韩昕宸、邵士博