在全球能源轉(zhuǎn)型的宏大敘事中，我們正經(jīng)歷著一場深刻的革命。無論是電動汽車所需的高能量密度電池，還是綠氫生產(chǎn)所需的高效催化劑，抑或是穩(wěn)定高效的光伏材料，其背后都離不開基礎(chǔ)材料的突破。但是關(guān)鍵問題正變得越來越緊迫：我們能否以更快的速度、更低的成本、更可持續(xù)的方式，發(fā)現(xiàn)支撐下一代電池、催化劑、光伏和熱電設(shè)備取得突破的新型材料？

近期，一篇發(fā)表于學(xué)術(shù)期刊《Sustainable Chemistry & Engineering》的前瞻性綜述文章《面向下一代可持續(xù)能源技術(shù)的人工智能驅(qū)動材料設(shè)計(jì)》系統(tǒng)描繪了 AI 如何重塑材料發(fā)現(xiàn)的圖景。文章不僅梳理了人工智能在材料科學(xué)中的應(yīng)用現(xiàn)狀，更構(gòu)建了一個(gè)將計(jì)算、實(shí)驗(yàn)、可持續(xù)性目標(biāo)深度融合的閉環(huán)框架。通過文章，我們可以看到，AI 驅(qū)動材料科學(xué)的方式，遠(yuǎn)比我們想象的更深、更系統(tǒng)。

文章開篇指出，全球能源格局的深刻變革，核心在于材料創(chuàng)新。傳統(tǒng)的材料發(fā)現(xiàn)方法，常被形容為愛迪生式的試錯(cuò)法：合成樣品，測試性能，優(yōu)化配方。這種模式雖然催生了無數(shù)改變世界的材料，但是其瓶頸正在顯現(xiàn)：時(shí)間漫長、資源密集、探索范圍有限，且往往依賴偶然性。相比之下，人工智能驅(qū)動的材料發(fā)現(xiàn)，正將這一過程從正向預(yù)測轉(zhuǎn)向逆向設(shè)計(jì)。

01 從大海撈針到按圖索驥

傳統(tǒng)材料研究就像一個(gè)巨大的盲盒游戲，先合成材料，再測性能。理論上，元素周期表里元素可以組合出幾乎無窮無盡的新材料。但哪些是穩(wěn)定的？哪些有理想的性能？傳統(tǒng)方法只能一個(gè)個(gè)試。即便用計(jì)算機(jī)模擬，面對數(shù)以百萬計(jì)的候選結(jié)構(gòu)，計(jì)算量也是天文數(shù)字。然而 AI 正在改變這個(gè)游戲規(guī)則。

AI 驅(qū)動的方法是逆向的：先定義需求（如高能量密度、無鈷、耐高溫），再由 AI 模型在龐大的化學(xué)空間中生成滿足這些條件的候選結(jié)構(gòu)。這就像是從大海撈針變成了按圖索驥，直接鎖定目標(biāo)區(qū)域。也就是說，研究者可以首先定義所需的功能或可持續(xù)性指標(biāo)，然后通過生成模型智能地搜索化學(xué)空間，提出符合要求的新型材料。

通過機(jī)器學(xué)習(xí)模型，研究人員可以先訓(xùn)練 AI 理解材料結(jié)構(gòu)與性能之間的關(guān)系，比如哪種晶體結(jié)構(gòu)往往帶隙較寬，哪種元素組合更容易形成穩(wěn)定化合物。訓(xùn)練完成后，AI 就能快速篩選海量候選材料，挑出最有希望的種子選手。

AI 不再滿足于預(yù)測已知材料的性能，而是開始自己設(shè)計(jì)新材料。文章介紹了【生成模型】這個(gè)概念——它有點(diǎn)像 AI 畫家，先學(xué)習(xí)成千上萬種材料的結(jié)構(gòu)規(guī)律，然后畫出全新的但化學(xué)上合理的材料結(jié)構(gòu)。這種被稱為逆向設(shè)計(jì)的方法，讓研究人員可以反過來思考：我需要某種性能的材料，請 AI 幫我設(shè)計(jì)一個(gè)。

02 不只是預(yù)測工具，更是研究伙伴

這篇文章有一個(gè)核心觀點(diǎn)：AI 不應(yīng)僅僅被視為加速發(fā)現(xiàn)的工具，而應(yīng)該成為自主的研究伙伴。因?yàn)槲恼旅枋龅氖且环N閉環(huán)的研究范式。在這個(gè)范式中，AI 不只是做一次性的預(yù)測，而是參與整個(gè)發(fā)現(xiàn)循環(huán)。這意味著，人工智能不僅能夠預(yù)測材料的帶隙、穩(wěn)定性等屬性，還能在不確定性量化、實(shí)驗(yàn)反饋、可持續(xù)性評估等多個(gè)維度上，輔助研究者做出更明智的決策。

文章將這一過程概括為一個(gè)閉環(huán)發(fā)現(xiàn)管道：高通量計(jì)算生成數(shù)據(jù)，機(jī)器學(xué)習(xí)模型學(xué)習(xí)結(jié)構(gòu) - 性能關(guān)系，生成模型提出新候選材料，實(shí)驗(yàn)驗(yàn)證并反饋結(jié)果，模型不斷優(yōu)化。這一循環(huán)不僅加速了發(fā)現(xiàn)速度，也提升了預(yù)測的可靠性和材料的功能適配性。

這個(gè)循環(huán)一旦建立，就會形成一種飛輪效應(yīng)：數(shù)據(jù)越多，AI 越聰明；AI 越聰明，發(fā)現(xiàn)新材料的效率越高；新材料的發(fā)現(xiàn)又帶來更多數(shù)據(jù)。文章提到的 MatterGen 和 MatterSim 就是這樣一個(gè)協(xié)同工作的組合——前者生成新材料，后者模擬其性能，彼此增強(qiáng)，形成一個(gè)自我加速的創(chuàng)新引擎。

這種范式正在催生一個(gè)更宏大的愿景：自驅(qū)動實(shí)驗(yàn)室。AI 自主設(shè)計(jì)實(shí)驗(yàn)方案，機(jī)器人自動合成材料，自動化表征設(shè)備測試性能，數(shù)據(jù)實(shí)時(shí)反饋給 AI 優(yōu)化下一輪設(shè)計(jì)——整個(gè)過程幾乎不需要人類干預(yù)。伯克利實(shí)驗(yàn)室的 A-Lab 和 DeepMind 的 GNoME 平臺，已經(jīng)在朝著這個(gè)方向探索。

03 多種人工智能方法的協(xié)同應(yīng)用

在技術(shù)層面，文章系統(tǒng)梳理了應(yīng)用于材料設(shè)計(jì)的各類人工智能方法，包括監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)、強(qiáng)化學(xué)習(xí)、生成模型等，并指出：沒有一種算法是普遍最優(yōu)的，真正的優(yōu)勢在于它們的協(xié)同應(yīng)用。

• 監(jiān)督學(xué)習(xí)被廣泛用于屬性預(yù)測，如帶隙、形成能、硬度等，能夠快速評估大量候選材料；

• 無監(jiān)督學(xué)習(xí)則在相圖測定、顯微圖像分析、非晶材料結(jié)構(gòu)-性能關(guān)系挖掘中發(fā)揮作用；

• 強(qiáng)化學(xué)習(xí)正被探索用于自主實(shí)驗(yàn)室中的合成路徑優(yōu)化，推動 “自驅(qū)動” 實(shí)驗(yàn)平臺的發(fā)展；

• 生成模型，如擴(kuò)散模型和生成對抗網(wǎng)絡(luò)，則能夠提出全新的晶體結(jié)構(gòu)，拓展材料設(shè)計(jì)的邊界。

文章特別聚焦于 AI 在四種可持續(xù)能源技術(shù)中的應(yīng)用：電池、催化劑、光伏和熱電器件。在這四個(gè)方向，AI 都已經(jīng)展現(xiàn)出驚人的潛力。

電池領(lǐng)域，AI 正在幫助尋找更好的電極材料和電解質(zhì)。人工智能已被用于篩選數(shù)千萬種無機(jī)化合物，快速識別出可大幅減少鋰用量的固態(tài)電解質(zhì)候選材料。一個(gè)引人注目的案例是：微軟與太平洋西北國家實(shí)驗(yàn)室合作，用 AI 和高性能計(jì)算在不到一周的時(shí)間里篩選了約 3200 萬種無機(jī)化合物，最終發(fā)現(xiàn)了一種新型固態(tài)電解質(zhì) N2116。這項(xiàng)工作如果用傳統(tǒng)方法，需要幾十年。這個(gè)新材料還有望將電池中的鋰用量減少 70%，對于鋰資源稀缺和環(huán)境影響問題，這是一個(gè)重大突破。

在催化劑領(lǐng)域，AI 正在幫助尋找可以替代貴金屬的非貴金屬催化劑。對于綠色制氫等關(guān)鍵反應(yīng)，鉑等貴金屬雖然性能優(yōu)異，但價(jià)格高昂。AI 可以快速篩選大量非貴金屬組合，預(yù)測哪些可能具有接近鉑的催化活性，同時(shí)還能評估其長期穩(wěn)定性。這種能力大大加速了低成本催化劑的發(fā)展。

光伏領(lǐng)域，AI 被用于設(shè)計(jì)無毒、穩(wěn)定的新型太陽能材料。傳統(tǒng)的鉛基鈣鈦礦效率高但有毒性，AI 可以幫助尋找無鉛替代品，同時(shí)優(yōu)化其帶隙、穩(wěn)定性和光電轉(zhuǎn)換效率。此外，AI 還在光伏系統(tǒng)的運(yùn)行維護(hù)中發(fā)揮作用，通過預(yù)測發(fā)電量和早期故障檢測，提高整個(gè)系統(tǒng)的可靠性。

熱電器件，可以將廢熱直接轉(zhuǎn)化為電能，是提高能源利用效率的重要技術(shù)。AI 在這里幫助尋找具有高塞貝克系數(shù)（衡量熱電轉(zhuǎn)換效率的關(guān)鍵指標(biāo)）和低熱導(dǎo)率的材料，同時(shí)揭示那些傳統(tǒng)方法難以發(fā)現(xiàn)的結(jié)構(gòu) - 性能關(guān)系。

這些進(jìn)展表明，人工智能正在從輔助工具演變?yōu)閰f(xié)同設(shè)計(jì)者，在材料研發(fā)的各個(gè)環(huán)節(jié)發(fā)揮作用。

不過，文章也坦誠地指出了當(dāng)前 AI 驅(qū)動材料發(fā)現(xiàn)面臨的兩大陷阱。

第一個(gè)是數(shù)據(jù)陷阱。AI 模型的質(zhì)量高度依賴于訓(xùn)練數(shù)據(jù)的質(zhì)量。如果數(shù)據(jù)有偏，比如大多數(shù)實(shí)驗(yàn)數(shù)據(jù)都集中在某些熱門材料上，而冷門但可能更優(yōu)的材料數(shù)據(jù)稀缺，AI 的預(yù)測就可能出錯(cuò)。更關(guān)鍵的是，大多數(shù)數(shù)據(jù)庫只記錄成功的實(shí)驗(yàn)，那些失敗的嘗試往往被丟棄。但恰恰是這些失敗的實(shí)驗(yàn)數(shù)據(jù)，可能告訴模型哪些路走不通，提供寶貴的負(fù)面樣本。

第二個(gè)是驗(yàn)證陷阱。AI 生成的材料必須在現(xiàn)實(shí)中可合成、可穩(wěn)定存在。有些 AI 生成的理想結(jié)構(gòu)可能在化學(xué)上不合理，或者在合成條件下無法形成。此外，很多 AI 模型是在計(jì)算機(jī)模擬數(shù)據(jù)上訓(xùn)練的，而這些模擬本身就有近似和誤差。文章舉了一個(gè)典型案例：用密度泛函理論計(jì)算的帶隙往往低估實(shí)驗(yàn)值，如果 AI 學(xué)習(xí)這種有系統(tǒng)誤差的數(shù)據(jù)，它篩選出的最優(yōu)光伏材料可能在實(shí)驗(yàn)中表現(xiàn)平平。

這兩個(gè)陷阱提醒我們：AI 的預(yù)測需要與實(shí)驗(yàn)緊密互動，需要不確定性量化，需要持續(xù)的驗(yàn)證和校準(zhǔn)。AI 不是萬能的，但與人結(jié)合，可以創(chuàng)造奇跡。

文章最后展望了未來發(fā)展的幾個(gè)方向。

一是物理信息 AI。未來的 AI 模型將越來越多地把物理定律作為內(nèi)置約束，比如晶體對稱性、能量最小化原則等。這就像給 AI 裝上物理常識，讓它生成的材料不僅統(tǒng)計(jì)上合理，而且物理上可能。

二是通用材料智能。想象一個(gè) AI 系統(tǒng)，不僅能讀論文、理解圖表，還能與實(shí)驗(yàn)設(shè)備交互、設(shè)計(jì)實(shí)驗(yàn)方案、解釋實(shí)驗(yàn)結(jié)果。大型語言模型的崛起讓這種愿景變得不再遙遠(yuǎn)。未來，一個(gè)研究生可能有一個(gè) AI 同事，可以隨時(shí)討論研究思路、查詢文獻(xiàn)、分析數(shù)據(jù)。

三是綠色計(jì)算。與許多僅關(guān)注性能優(yōu)化的研究不同，這篇文章明確將可持續(xù)性作為材料設(shè)計(jì)的核心約束條件之一。作者提出，人工智能驅(qū)動的工作流程，應(yīng)當(dāng)將生命周期評估、綠色化學(xué)指標(biāo)、能源消耗等可持續(xù)性考量，嵌入模型訓(xùn)練和目標(biāo)優(yōu)化的全過程，而非作為事后篩選的附加條件，這是一個(gè)容易被忽視但極其重要的方向。隨著計(jì)算能力的提升，百億億次超級計(jì)算機(jī)和大型 GPU 集群等在材料模擬中發(fā)揮著越來越重要的作用，但其巨大的能耗也引發(fā)了新的環(huán)境關(guān)切。如果 AI 驅(qū)動材料發(fā)現(xiàn)的過程消耗的能量超過其幫助開發(fā)的新能源，那就本末倒置了。因此，文章強(qiáng)調(diào)未來的材料發(fā)現(xiàn)，必須將計(jì)算成本和能源消耗視為設(shè)計(jì)變量，在加速發(fā)現(xiàn)的同時(shí)，不犧牲可持續(xù)性。

這篇文章不僅是對人工智能在能源材料領(lǐng)域應(yīng)用的系統(tǒng)梳理，更是一份面向未來的路線圖。

我們正站在一個(gè)材料發(fā)現(xiàn)的加速時(shí)代門檻上。如果 AI 的潛力能夠充分發(fā)揮，未來十年新材料發(fā)現(xiàn)的速度可能超過過去一百年。而這些新材料，如更高效的電池、更便宜的催化劑、更穩(wěn)定的光伏材料，恰恰是我們應(yīng)對氣候變化、實(shí)現(xiàn)能源轉(zhuǎn)型最迫切需要的。

當(dāng)然，這條路還需要克服許多挑戰(zhàn)：數(shù)據(jù)共享的文化障礙、模型可解釋性的技術(shù)難題、實(shí)驗(yàn)驗(yàn)證的瓶頸……但方向已經(jīng)清晰，工具已經(jīng)就位，探索已經(jīng)啟動。AI 正在成為材料科學(xué)的設(shè)計(jì)師，它不是要取代科學(xué)家，而是要成為科學(xué)家的超強(qiáng)外掛，讓人類可以專注于更有創(chuàng)造性的問題，讓材料發(fā)現(xiàn)的速度，真正跟上時(shí)代的需要。

文獻(xiàn)原文：

https://pubs.acs.org/doi/10.1021/acssuschemeng.6c01084

聲明：

本文所有內(nèi)容旨在學(xué)術(shù)探討與信息交流，所有權(quán)利歸原作者所有。