AI for Science变革新材料研发范式

“大语言模型面向文字、视频、图片等，应用于人类知识相关领域，而AI for Science面向物理世界，应用于新材料研发等微观领域。”在日前举行的2025中关村论坛年会集体采访中，深势科技相关技术人员告诉记者，AI for Science将新材料研发由过去实验室为主的模式，转变为用计算机进行设计、少量实验验证的新计算科学设计范式。

围绕微观尺度的工业研发，深势科技打造了AI for Science大模型体系——“深势宇知”，为当前关键的材料以及能源、医药等领域的微尺度研发提供技术支持。其中，新材料研发团队，通过材料和过程的智能化研发，为新能源、电子信息、先进制造等工业行业赋能，改变传统的研发模式。

通过计算与模型的分子性质预测或聚合物预测，有助于发现更好的、可应用的新材料。

能量转化效率越高，OLED材料的亮度就越高。但如何从160万个候选材料中得到能量转换效率高的OLED分子却是个难题。采访中，技术人员分享了高效发光能力的OLED小分子筛选案例。据介绍，该公司打造的分子大模型Uni-Mol，能预测出分子性质和聚合物性质，通过AI模型进行性质预测，很快就能从160万个候选材料中筛选出1000个左右的选取分子，避免用实验一个一个合成带来的麻烦。

除了用于发现新材料，AI还可以助力新材料的生产，低成本、高产出率地合成工业所需的新材料。

比如，钠电正极材料传统制备工艺流程包括球磨、干燥、烧结等，通过数据搜集、算法建模、采样优化、迭代反馈，钠电正极材料工艺得到优化，将初始放电容量提升了6%。“其实是使用同样的材料，但应用了不同的生产工艺，实际产出了更好的一个产品，这是工艺优化能够产生的价值。”技术人员表示。

此外，表征算法在材料的生产和检测中也大有用武之地。