人工智能正在重塑新材料研發范式,加速產業變革。近日,《北京市加快推動“人工智能+新材料”創新發展行動計劃(2025-2027年)》(以下簡稱《行動計劃》)發布。記者從北京市科委、中關村管委會獲悉,北京一批“AI+新材料”融合創新成果加速涌現。
北京已集聚近10家“人工智能+新材料”算法軟件企業
新材料作為戰略性、基礎性產業,是現代化產業體系和新型工業化的重要支撐。但長期以來,新材料研發依賴于理論探索和經驗積累,需要經歷反復實驗,導致研發周期漫長、成本高。
“AI+新材料”不僅能大幅縮短新材料的研發周期,降低研發成本,顯著提高研發效率,還能利用AI技術在處理高維度、跨尺度復雜體系問題方面的強大計算能力,實現材料成分、結構與性能的預測、模擬和分析,賦能研發、制造和應用等環節,對于材料領域科技創新和產業發展具有重大意義。
“AI正在改變材料科學的研發范式?!敝袊茖W院院士、北京大學教授、北京科學智能研究院學術委員會主任鄂維南指出,問題正在迎刃而解?!氨本┚邆淙斯ぶ悄苜x能材料科學的先發優勢與人才基礎,同時全面布局了科研基礎設施,為新材料研發提供系統性的有效工具?!?/p>
據北京新材料和新能源科技發展中心副主任周航介紹,目前,北京已集聚近10家“人工智能+新材料”算法軟件企業,占全國總量的1/3,智能實驗室、數據平臺等基礎設施加速落地,北京科技大學等高校開設“材料智能技術”專業,年培養跨學科人才超500人,為行業不斷注入新鮮血液。
AI賦能,小米從上萬種合金配方中快速鎖定最優解
目前,北京一批“AI+新材料”融合創新成果加速涌現,形成了一批AI賦能的標桿性新材料典型案例,小米汽車上的“泰坦合金”,實現從實驗室到量產車的智能躍遷;中國鋼研6個月內設計開發出世界上強度最高(800MPa級別)的高性能抗氫厚板材料;北京科學智能研究院引入AI分子表示學習模型,設計出不含貴重金屬的新一代OLED發光材料……
其中,小米團隊使用自研的多元材料AI仿真系統,從上萬種合金配方中快速鎖定最優解。通過一體化壓鑄,應用于小米首款車型SU7車身結構件,焊接點減少840處,提升了車身結構的穩定性;車內降噪效果顯著,為用戶帶來了靜謐舒適的駕乘體驗;車身重量減輕,續航能力得以提升;同時經過超200萬公里的嚴苛耐久壽命驗證,產品可靠性得到充分保障。2月27日,小米新發布的車型SU7 Ultra,也搭載了“泰坦合金”。這一新型材料成果,不僅助力小米汽車在市場上脫穎而出,更為整個汽車制造行業提供了全新的材料解決方案。
AI助力優化材料生產工藝
AI for Science預訓練大模型出現,開啟了材料研發新紀元。北京科學智能研究院和深勢科技聯合團隊以“征服元素周期表”為目標,發起大原子模型計劃OpenLAM,并已與多方合作迭代發布2代深度勢能預訓練大模型(DPA),其預測能力覆蓋元素周期表中90余種元素,可應用于半導體、合金、有機分子等多類材料體系研發。
目前,大原子模型計劃下的另一款Uni-Mol分子大模型,在蛋白質預測能力方面僅次于谷歌發布的AlphaFold3,位列世界第二,但研發投入成本僅為其幾百分之一。
深勢科技政企事務副總裁劉會師說,無論是藥物分子研發還是材料分子研發,目前大多使用傳統的實驗試錯方式,即通過不斷的探索性實驗找到新的材料分子結構。好的模型可以通過計算的方式代替相當一部分探索性實驗,給出可能的成藥或者材料結構,用篩選出的“成功率更高”的結構再去做驗證性實驗,可以減少高昂的實驗成本。
“我們還推出了基因大模型、蛋白大模型、文獻大模型、表征大模型等。”深勢科技解決方案事業部高級經理伍旭說。談及提升材料研發效率,他舉例說,1名研究生一天可能做10-20個實驗,如果研究160萬種材料的能量轉化效率,從而擇優選擇,常規情況下,一個研究生可能要做1萬天的實驗。借助 AI模型可以快速預測材料性質,同時優化材料生產工藝,使其合格率大幅提高?!袄?,我們使用AI for Science科學大模型優化了鈉電材料工藝,使其初始放電容量實現大比例提升,研發周期也大大縮短?!?/p>
協作機器人在智能實驗室執行任務
智能實驗室是北京“人工智能+新材料”發展布局的重要物理載體。軟硬一體、干濕閉環的智能實驗室將顛覆傳統實驗布局,實驗臺不再需要按照1.2米的標準高度為人類操作量身定制,機械按鈕被虛擬控制界面取代,實驗設備能夠自主執行任務并實時優化實驗參數,AI系統可設計實驗、分析數據并生成報告,大幅提升研發效率,為新材料的快速發現和創新開辟全新路徑。
“傳統的材料開發耗時費力、效率低,標準化流程欠缺,相關經驗不容易描述,而且可能由于操作失誤造成中毒、爆炸等。”北京深云智合科技有限公司創始人、北京航空航天大學教授劉宇宙說,深云智合構建了全面自動化智能實驗室——DeepChem智能合成平臺,可以實現全流程自動化,無人值守,7×24小時遠程實驗也大大提高了實驗效率,同時降低開發成本。
智能實驗室首先通過計算模擬、篩選候選,在虛擬環境中創造新化合物結構,并預測其在不同應用場景下的表現,大幅加速了新材料的發現過程。同時,協作機器人承擔重復性的操作任務,比如開蓋、放置、移液、加樣、過濾、稀釋、快速取樣、樣本轉運等。智能實驗室還能對實驗信息進行實時收集、整理、上報、分析,建立數據倉庫和數據流程模型,對歷史數據進行再利用,用于優化工作過程和實驗效率。
“在OLED中間體材料新分子開發的案例中,客戶預計耗時半年的工作,平臺2周完成,研發成本降低80%?!眲⒂钪嬲f。
新京報記者 張璐
編輯 劉夢婕 校對 陳荻雁