中国科大新材料技术突破：AI驱动科研范式变革

中国科大新材料技术突破：AI驱动科研范式变革

引用

中国科学院

等

9

来源

1.

http://casad.cas.cn/mtbd2022/202410/t20241015_5036131.html

2.

https://finance.sina.com.cn/tech/digi/2024-11-22/doc-incwycqa3769307.shtml

3.

https://scms.ustc.edu.cn/2024/0704/c2404a645938/pagem.htm

4.

https://news.ustc.edu.cn/info/1048/88354.htm

5.

http://www.hfnl.ustc.edu.cn/detail?id=22571

6.

https://kyb.ustc.edu.cn/2024/0422/c6076a638981/page.htm

7.

https://news.eol.cn/dongtai/202406/t20240619_2617698.shtml

8.

https://news.ustc.edu.cn/info/1056/87938.htm

9.

https://news.ustc.edu.cn/info/1056/89424.htm

近日，中国科学技术大学在新材料技术领域连续取得重大突破，展现了中国科研力量在这一前沿领域的实力。这些突破不仅刷新了世界纪录，更为人工智能（AI）驱动的科学研究（AI for Science）开辟了新的篇章。

在光伏领域，中国科大徐集贤教授团队创造了钙钛矿电池稳态效率26.7%的世界纪录，这一成果被国际权威的《Solar cell efficiency tables》收录。这是该团队第三次更新这一世界纪录，展示了中国在光伏前沿技术领域的持续引领能力。

在电池技术方面，焦淑红教授团队在高能量锂金属电池领域取得突破性进展。他们设计了一种紧密离子对聚集体（CIPA）电解液，成功实现了500Wh/kg锂金属软包电池的稳定运行，循环寿命达到130次。这一成果发表在Nature Energy杂志上，为下一代高比能电池的发展提供了新的技术路径。

这些突破的背后，是AI技术在科学研究中的深度应用。中国科大副校长杨金龙院士指出，AI for Science正在引发科研范式的变革。以新材料研发为例，传统基于“试错法”的材料创制过程，在人工智能的参与下转变为数据驱动的精准设计制备过程。

李微雪教授课题组的研究就是一个典型案例。他们利用可解释AI技术，解决了催化领域中困扰科学界近四十年的“金属-载体相互作用”难题。研究团队汇总了多篇文献的实验界面作用数据，涵盖了25种金属和27种氧化物。通过可解释性AI算法，构建了由300亿个表达式组成的特征空间，最终建立了金属-载体相互作用与材料性质之间的控制方程。这一突破性成果发表在《Science》杂志上，不仅揭示了决定金属-载体相互作用的本质因素，还提出了强金属-金属作用原理性判据，解决了氧化物载体包覆金属催化剂的难题。

这些新材料技术的突破，将为AI生活应用带来深远影响。以钙钛矿光伏技术为例，其高效能和低成本特性，将加速太阳能在日常生活中的普及应用。而高能量密度的锂金属电池技术，则有望推动电动汽车和便携式电子设备的性能提升。

此外，AI驱动的新材料研发模式，将极大缩短新材料从实验室到市场的周期。正如杨金龙院士所说，“人工智能+大数据”可以将科学家一生都无法做完的工作，缩短到几周内完成。这将为新材料技术在日常生活中的广泛应用奠定基础。

尽管中国在AI for Science领域已处于国际并跑阶段，但仍面临一些挑战。杨金龙院士指出，主要问题在于AI技术相对落后，特别是在针对特定科学问题的算法研发方面创新不足。未来，需要进一步加强系统布局和统筹指导，发挥建制化科研的优势，设立相关科研机构和重大项目予以支持。

中国科大的这些突破，展示了AI与新材料技术深度融合的广阔前景。随着AI技术的不断发展，我们有理由相信，未来将会有更多颠覆性的新材料技术涌现，为我们的日常生活带来更多智能化的变革。