材料科学：AI将成为创新的底层引擎

外汇
7小时以前
1

（来源：新华日报）

讲述者：南京工业大学材料科学与工程学院教授何一燕

□ 本报记者谢诗涵

配方怎么调？参数怎么设？芯片怎么做？过去，我们团队面对这些问题，只能靠经验一次次试错。如今，一个AI模型就能直接给出答案。

这个AI模型，是我们基于一个拥有超过1万条数据、分类准确率高于90%的多模态数据库开发出来的，可直接用于材料配方、打印参数与芯片结构的智能优化。依托这一模型，我们日前成功制备水凝胶生物墨水，并用这种墨水3D打印出高仿生类器官。相关成果进入工程化验证阶段，有望形成可量产的器官芯片解决方案。

过去我们的研究流程更多是“经验驱动+反复试验”。比如水凝胶材料的制备，以往我们通常先凭经验设定几个配方，然后一个个制备、测试、调整，一轮又一轮。2022年—2025年，我们团队参与完成“面向肿瘤诊治的生物3D打印多重器官芯片的智能设计构建与工程化”国家重点研发计划时，首次将AI技术引入科研工作。我们尝试把已有实验数据整理起来，让机器学习算法去“吃透”这些高保真数据，找出材料配方与性能之间的规律，从而精准定位最优配方与工艺条件。

对于水凝胶材料的3D打印，一个非常实际的问题是：如何设计出既“能顺利挤出”又“能快速成型”的材料体系？这类材料的性能本质上由流变特性决定，但传统方法需要不断调整配方，再逐一进行流变测试，过程依赖经验且耗时。而AI模型学会“配方参数—流变性能”的关系后，不仅能预测不同配方的力学和流动行为，还可以反向给出更有潜力的配方组合。

这种变化带来的好处是实实在在的。原来需要几周以上时间筛选配方，现在周期明显缩短，实验成功率也明显提高。同时，AI也促进我们思维转变：过去大家习惯盯着“单一因素”的影响，但材料的很多性能其实是多因素耦合的结果。模型有时会提示一些非直观的组合——某些参数单独看没什么用，凑在一起却效果显著，这让我们更好地从“整体关联”的角度看问题。

如今，AI已经不只是处理基础数据的技术，而是逐步进入材料设计和实验决策的核心环节，成为科研中的一个“协同决策工具”。尽管AI推荐的方案仍有一部分会“翻车”，但命中率明显高于经验或随机。因此，在低试错成本的情况下，我们更敢于尝试以前不敢碰的方向，比如跨度很大的参数组合、成本虽高但潜力巨大的材料体系。可以预见，未来AI技术会像如今的手机一样成为科研人员的“标配”。

高端制造、新能源、电子信息、航空航天、生物医药等战略性新兴产业，无一不靠材料创新支撑。AI带来从“经验试错”到“数据驱动”的范式革命。几乎每一类材料的研发、设计、制备与优化，都能从AI中显著获益。未来，AI将成为材料创新的底层引擎，助力我们更快突破一批“卡脖子”关键材料，为我国战略性新兴产业高质量发展筑牢坚实的材料根基。