人民网北京5月26日电 （记者 李依环）想象一下，未来的新材料研发工作或许将像搭积木一样，在人工智能的指导下得到高效组合、快速验证。近日，天津大学与西南交通大学联合团队的一项最新研究，正将这一设想变为现实。

该研究团队将人工智能大语言模型（LLMs）与遗传算法（GAs）相结合，并辅以超快实验技术，成功构建了一套颠覆性的催化剂筛选框架。相关成果日前发表于国际期刊《先进能源材料》（Advanced Energy Materials）上。

据介绍，在传统的材料研发中，以5种金属元素组合为例，从90种金属元素中挑选，就可能产生超过4300万种组合。若按常规一天测试10个样品的速度，完成筛选大约需要12040年，这种“组合爆炸”问题严重阻碍了新材料的研发进程。

面对这一“大海捞针”式的挑战，研究团队首先利用大语言模型的强大文献分析能力，从超过14000篇科学文献中精准“捕获”了10种与析氢反应（HER）性能最相关的关键元素，将候选范围从整个元素周期表大幅缩小至126种铂（Pt）基高熵合金。随后，通过遗传算法指导实验，仅用4次迭代（总计24个样品）便锁定了最优催化剂——IrCuNiPdPt/C。这一过程相比传统遗传算法，实验量减少了60%。

“AI就像一个经验丰富的‘导航员’，能迅速从海量信息中找到方向，而自动化实验则像‘加速器’，让验证过程飞速进行。”天津大学研究员陈亚楠解释道，这一“AI+实验”的双驱动策略，不仅将研发时间从“千年”级压缩到“小时”级，更将实验样本量从数万次锐减至24次，极大地节省了科研的时间和资源。

西南交通大学副教授李金阳表示，此项研究不仅为开发高效析氢催化剂带来了革命性突破，更展示了人工智能在加速新材料发现领域的巨大潜力，为未来更多复杂材料的智能化设计与高效筛选开辟了新道路。

分享让更多人看到