人民網北京5月26日電 （記者 李依環）想象一下，未來的新材料研發工作或許將像搭積木一樣，在人工智能的指導下得到高效組合、快速驗証。近日，天津大學與西南交通大學聯合團隊的一項最新研究，正將這一設想變為現實。

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

據介紹，在傳統的材料研發中，以5種金屬元素組合為例，從90種金屬元素中挑選，就可能產生超過4300萬種組合。若按常規一天測試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進程。

面對這一“大海撈針”式的挑戰，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篇科學文獻中精准“捕獲”了10種與析氫反應（HER）性能最相關的關鍵元素，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，通過遺傳算法指導實驗，僅用4次迭代（總計24個樣品）便鎖定了最優催化劑——IrCuNiPdPt/C。這一過程相比傳統遺傳算法，實驗量減少了60%。

“AI就像一個經驗豐富的‘導航員’，能迅速從海量信息中找到方向，而自動化實驗則像‘加速器’，讓驗証過程飛速進行。”天津大學研究員陳亞楠解釋道，這一“AI+實驗”的雙驅動策略，不僅將研發時間從“千年”級壓縮到“小時”級，更將實驗樣本量從數萬次銳減至24次，極大地節省了科研的時間和資源。

西南交通大學副教授李金陽表示，此項研究不僅為開發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現領域的巨大潛力，為未來更多復雜材料的智能化設計與高效篩選開辟了新道路。

分享讓更多人看到