中新网上海新闻4月14日电 (邵士博 许婧)材料科学+AI，标志着材料创新和发现进入新时代。中国科学院院士、深圳国际量子研究院院长、南方科技大学讲席教授俞大鹏在上海表示，AI创制为破解实验室科学研究“要啥有啥”、产业化应用瓶颈“用啥没啥”的材料研发困境提供了有力工具支撑。
俞大鹏解释说，一方面，与传统材料研发方式相比，人工智能为探索更广泛的材料可能性打开了大门，显著减少了与材料发现相关的时间与费用；另一方面，材料AI创制还面临可信度和有效实施的挑战，确保数据质量、识别和减轻用于训练AI系统的数据潜在偏差等一系列问题有待解决。
上海交通大学材料科学与工程学院及未来材料创制中心新近举办“翱青论坛”第二期，邀请俞大鹏与上海交大“材料+AI”领域中青年先锋科学家一起，就“未来材料AI创制路在何方？”主题展开脑力激荡。
俞大鹏对到场青年科研人员和在校学子说，尽管近年来在加强材料AI创制领域我国已取得了不少业绩，但与世界一流高校科研机构、企业巨头相比，还有很大距离。他勉励与会科研人员努力抢占材料革命性合成探索时代机遇，在“材料创智”领域勇于开展原始创新、有用创新和极致创新，为实现“AI(Artificial Intelligence人工智能)+ HI(Human Intelligence、人类智能)”的人机有机结合不懈奋斗。
论坛采取“线上+线下”方式同步进行，除了俞大鹏院士，论坛还特别邀请上海交大跨学院、跨学科领域多位青年先锋科学家，围绕其自主研发的材料AI创制模型，交流研发心得、碰撞创制奇思。上海交通大学材料科学与工程学院党委书记孙丽珍致欢迎辞，副院长李铸国、特聘教授戴庆出席论坛，上海交通大学材料科学与工程学院讲席教授、未来材料创制中心主任黄富强主持论坛。
上海交大材料科学与工程学院讲席教授、未来材料创制中心副主任汪洪带来《线站+AI：未来材料创制“软硬拓展”两翼齐飞》的报告，就“如何充分释放AI的巨大潜力？”这一议题展开论述。
当前，材料科学研究范式，正在加速由试错转变为预测，从手脑研究进化至人机互动。汪洪认为，数据是运用人工智能的基本前提，AI赋能人类知识创造需首要解决数据“够用”与“好用”的问题，因此，未来材料AI创制的研究范式需逐步完善研究技术的高通量化、材料表征的多参量化、数据格式的标准化与数据生产的工厂化。
眼下，上海交通大学正与国家重大科技基础设施——上海光源一道共建全球首条材料基因工程专用束线、全国高校首条自有线站——“材料基因组专用同步辐射线站”。作为该线站建设的主要负责人，汪洪介绍，材料基因组专用线站的首要建设技术目标就是运用微束X光衍射、荧光、小角散射、广角散射、吸收谱学等通用表征技术，建设以微区、扫描、快速、高通量表征为特色，同步辐射光源为基础的材料“数据工厂”。 汪洪表示，基于硬件线站基础设施的“数据工厂”旨在提供高通量数据，基于软件机器强化学习的“人工智能”旨在挖掘多维度材料构效关系，二者叠加，有望解决材料基因工程的数据供给“瓶颈”，在加速材料智能化研发的同时实现数据共享和循环利用。
上海交大电子信息与电气工程学院微纳电子学系人工智能与微结构实验室(AIMS-Lab)研究员李金金带来《何为Alpha Mat.？》的报告。物理专业出身的她，将物理学与材料科学、生命科学、信息科学有机融合，围绕AI for Science，带领团队开发出新一代材料智能设计模型——Alpha Mat.。
“材料信息学是一门集材料科学、计算机科学、人工智能、物理、化学等多学科交叉的学科，然而，这样的交叉人才是非常稀缺的。因此，开发一个连接材料科学与人工智能的‘桥梁’，紧密连接材料科学与人工智能等学科，不仅可以促使材料科学的研究者高效、有效地利用AI工具建立材料预测模型，而且还能启发更多人工智能学者进行先进算法的创新，实现技术应用落地。”李金金说。
李金金带领团队不断优化Alpha Mat。模型。她介绍，该模型已陆续发布7版，目前支持从“数据采集→数据预处理→特征工程→模型建立→参数优化→模型评价→结果分析”全过程；已集成26个AI模型，可满足几乎所有建模需求；已集成>100个材料数据后处理和分析工具，可提高研究效率；具有超过100万个材料属性数据库，并将实时扩展；不需要有编程基础，5分钟可快速应用。
论坛上，参与过业内领先的开放量子材料计算数据库OQMD搭建的上海交大材料科学与工程学院未来材料创制中心副教授姚振鹏带来《拥抱智能浪潮：纵览“材料创制”未来之路》报告。上海交大密西根学院副教授朱虹带来《AI+材料计算：如何迈出材料“学习”的第一步？》报告。朱虹介绍了团队自主研发的高通量计算平台现状，并以基于材料基因工程方法的“不锈镁合金材料研发及新型固态电解质材料设计”为例，阐述可靠算法实现虚拟实验、主动学习降低计算成本、机理先行助力材料设计的重要性。(完)
注：请在转载文章内容时务必注明出处!
编辑：许婧
