ScienceAI 2023「AI+材料&化学」专题年度回顾

编辑 | KX

传统的科学探索方式是「爱迪生式」的试错法。材料研发周期非常长，而且耗费的人力物力也是巨大的，并且存在偶然性。

新材料的设计与研发往往面临挑战：急需的新材料难以快速筛选设计，而设计出的新材料又难以找到高效且低成本的合成配方，拥有合成配方的新材料又会面临规模化的长周期探索。

以我国为例，工信部对 30 余家大型骨干企业调查结果显示，130 种关键材料中，有 32% 国内完全空白、54% 虽能生产，但性能稳定性较差、只有 14% 左右可以完全自给。

2023 年大模型千帆竞发。

就在前不久，大型语言模型（LLM）ChatGPT 入选《Nature》2023 年度十大人物（Nature’s 10），同时，包括 ChatGPT 在内的 AI 工具也成为 2024 年值得关注的科学事件。

ChatGPT 已火爆全球，之后出来很多基础科学领域的「科研 ChatGPT」。

那么，2023 年，在材料和化学研究领域，「AI+材料/化学」又带来哪些突破和探索。

在材料领域，基于机器学习的电子结构预测模拟方法，能够精确模拟超过 100,000 个原子的大型系统；AI 模型生成的分子几乎 100% 有效；AI 方法，还能够以更快、更可靠的方式帮助识别潜在超导体的新候选材料......

在化学领域，AI 驱动的机器人化学家，自主合成有机分子；利用生成式 AI，六秒即可生成新化学反应；机器学习模型预测化学反应的过渡态结构，成功率达93.8%......

接下来，ScienceAI 将回顾 2023 年 AI 在材料、化学领域的一些重要研究进展。

友情提示：点击小标题可直接访问文章

• 浙大开发DeepSorption：专家知识共学习的晶态多孔材料吸附性能深度学习框架
• 发现38万种新材料、17天自主合成41种新化合物，DeepMind一日两篇论文登上Nature
• 某「新化合物」90年前就有了？伦敦大学学院教授对DeepMind参与的「A-Lab」提出质疑
• 2023 戈登贝尔奖揭晓：Frontier 超算「量子级精度」材料模拟获奖
• 比传统量子化学计算快约40倍，机器学习揭示了如何将聚合物材料溶解在有机溶剂中
• 专访MIT贾皓钧&段辰儒博士：AI4S时代的化学材料发现——「AI炼金术」
• 将引发电子结构计算变革，机器学习精确模拟超10万个原子的大型材料系统
• 通过 AI 与人类协作，更轻松、更快速地分析材料微观结构
• 自动化软件NIMS-OS，实现材料科学中AI和机器人实验之间的闭环
• 首个自然科学领域大模型DARWIN：超过GPT-4，能自我设计新材料
• 全自动且通用，美国三大国家实验室联合提出用于材料发现的晶体缺陷图神经网络
• 通过人工智能绘制材料特性图，加速绝热体的材料空间探索
• 使用生成神经网络进行结构预测和材料设计
• 「虚拟实验室」为机器学习理解有前途的量子材料提供了可能性
• 机器学习结合物理学，探索蛋白质、大分子和材料等系统
• 字节推出首个复杂材料的大规模量子模拟算法，成果入选 npj Computational Materials
• 基于 AI 的质谱技术确定聚合物的单体序列，促进新材料开发
• 机器学习预测有机分子内的态密度，加速功能材料设计
• 高通量 DFT 计算与 AI 相结合，加速材料科学研究和发现
• 磁性材料电子结构实现高效计算，清华徐勇团队开发深度等变神经网络方法 xDeepH
• AI 驱动的机器人在没有人类帮助的情况下开始寻找新材料
• ChatGPT 能为计算材料科学做些什么？未来会取代计算材料科学家吗？
• 大型语言模型作为万能钥匙：用GPT解锁材料科学的秘密
• 用 OLED 显示器的核心材料打造 AI「大脑」
• GPT-3 在化学与材料科学任务中的应用表现如何？
• Nature Synthesis 综述：人工智能驱动材料发现的组合合成
• 中科院团队构建「机器科学家」平台，开启纳米晶材料数字智造
• 生成的分子几乎 100% 有效，用于逆向分子设计的引导扩散模型
• 「室温常压超导」实现了？更快、更可靠地发现新型超导体，AI/ML方法出招
• Science综述：密度泛函理论在人工智能时代的核心作用
• 东京工业大学研究团队发现用于下一代燃料电池的新型质子导体
• GPT-4驱动的机器人化学家登Nature，自主设计反应并执行复杂实验
• AI炼金术革新化学：MIT学者使用生成式AI，六秒生成新化学反应
• 实现量子化学精度，同时规避几何弛豫瓶颈，深度对比学习用于分子性质有效预测
• 就像Word中的文本自动更正一样，大语言模型自动更正化学工艺流程图
• 弥合化学反应预训练和条件分子生成之间的差距，北大&望石智慧提出「统一」模型
• 比人类同行快六倍，三星电子开发 AI 驱动的机器人化学家，自主合成有机分子
• 比传统量子化学计算快约40倍，机器学习揭示了如何将聚合物材料溶解在有机溶剂中
• 用于化学研究的 GPT-4：什么可以做，什么不可以做？
• 复旦大学、中国科学院团队综述，化学机器学习：基础知识和应用
• 手机电脑都可用，开源平台DECIMER将化学结构式翻译为机器可读的代码
• 可与人类鼻子相媲美，谷歌联合开发AI系统预测化学物质气味
• ChatGPT「化学助手」搜索文献、预测实验结果 ，为LLM加速科学发现提供新途径
• 化学语言模型 polyBERT，以前所未有的速度和准确性在聚合物「宇宙」中搜索所需聚合物
• 一个用户友好的开源在线平台，用于化学反应的虚拟探索
• 浙大团队将化学知识引入机器学习，提出可外推、可解释的分子图模型预测反应性能
• 化学合成领域的数据科学革命正在加速，自动化、实时分析和 AI 是「催化剂」
• 各种尺寸、形状都适用，图卷积神经网络探索金属纳米粒子的电化学稳定性
• 对于化学家来说，人工智能革命尚未发生？
• 表现优于 GPT-4，ChemCrow 集成 13 种化学工具，增强大型语言模型的化学性能
• 字节跳动&北大团队通过神经网络上的DMC，阐明对分子的化学理解
• GPT-3 在化学与材料科学任务中的应用表现如何？
• AlphaFlow：强化学习指导的「自驱动流体实验室」，自主发现和优化多步化学反应
• 成功率达93.8%，机器学习模型预测化学反应的过渡态结构
• 使用物理描述符、大型数据库和监督学习，来系统优化化学泛函