編者按

當(dāng)AI開始重構(gòu)材料科學(xué)，真正的壁壘是什么？5月21日，未來光錐「AI for Science 創(chuàng)變者說」第二期沙龍“AI+材料的千億級機(jī)會”，邀請了三位學(xué)界與產(chǎn)業(yè)一線嘉賓，共同探討AI+材料科學(xué)的前沿與實踐。中國科學(xué)院物理研究所/松山湖材料實驗室劉淼老師，基于團(tuán)隊與國際巨頭同臺并進(jìn)的經(jīng)驗，從自建Atomly數(shù)據(jù)庫、開源GPT-FF力場，到打造全固態(tài)機(jī)器人實驗室，給出了一個冷靜而篤定的判斷：數(shù)據(jù)，才是唯一的護(hù)城河。

為什么 AI 時代要講數(shù)據(jù)？

這是 AI 領(lǐng)域大家特別關(guān)注的一件事。AI 的到來給了我們一個特別好的工具——在這個時代我們其實有了“infinite mind”（無限心智），用機(jī)器去幫我們或者代替我們思考，從而讓各個領(lǐng)域都獲得非常高效的進(jìn)步。

如果我們看 Gartner 2025 年（高德納）的新興技術(shù)成熟度曲線，標(biāo)出來的這些技術(shù)基本上都是 AI 和機(jī)器人。也就是說，幾乎所有領(lǐng)域被效率革命的方式都是“AI 加機(jī)器人”。在這種情況下，科學(xué)領(lǐng)域也會面臨很大的挑戰(zhàn)和變革。

從國際上看，大家都在做這件事：

美國：特朗普政府提出的 AI 行動計劃，把芯片、數(shù)據(jù)中心、模型都放在了非常重要的位置。其中和科學(xué)相關(guān)的內(nèi)容，可以歸納為三件事：自動化實驗室、高質(zhì)量數(shù)據(jù)集、計算基礎(chǔ)設(shè)施。在科學(xué)領(lǐng)域落實這件事，是通過美國能源部（DOE）的 Genesis Mission（創(chuàng)世紀(jì)任務(wù)）——用科學(xué)去變革研發(fā)方式，加速材料科學(xué)的發(fā)現(xiàn)。

中美對比：在戰(zhàn)略上中美其實是一致的，但策略不同。我們偏政府主導(dǎo)、政策主導(dǎo)，美國偏市場化主導(dǎo)。

在這個背景下，美國科技公司的進(jìn)步非常大：

DeepMind 在 2023 年底發(fā)布了 GNoME 數(shù)據(jù)集和模型，號稱通過高通量計算的方式發(fā)現(xiàn)了 38 萬種熱力學(xué)穩(wěn)定的材料，相當(dāng)于人類 800 年知識積累的總和。

Microsoft 也做了很多事，比如 MatterGen 和 MatterSim，對這個領(lǐng)域有很大的推動。MatterGen 用生成式的方法，給出材料性質(zhì)，就可以推測和推理出該材料可能的組分構(gòu)型。

學(xué)術(shù)界：英國 Andy Cooper 團(tuán)隊、美國 Gerbrand Ceder 團(tuán)隊，都用機(jī)器人的方式自主化地去發(fā)現(xiàn)新材料、改革制備工藝，效率有特別大的提升。

新興公司：DeepMind、Microsoft 和 Meta 的一些人合作成立了一個新實驗室叫 Periodic Labs，這是由 Google 的各種 X-Labs 出來的團(tuán)隊，估值非常高，要用 AI 和機(jī)器人變革材料科學(xué)。最近 Jeff Bezos 也有動作，號稱要投資 62 億美元，這是他卸任 Amazon CEO 之后唯一一次在一家公司擔(dān)任管理角色去推動的事——他做的叫 Physical AI，材料科學(xué)可能是其中的一個板塊。

在行業(yè)進(jìn)步的帶領(lǐng)下，我們現(xiàn)在面臨的是 AI 在材料領(lǐng)域的應(yīng)用，仔細(xì)看你會發(fā)現(xiàn)，大家都是從數(shù)據(jù)開始做的。

我列出來一些材料科學(xué)數(shù)據(jù)領(lǐng)域的進(jìn)步。過去兩個諾貝爾獎（化學(xué)獎和物理獎）多多少少都是 AI 方向的，但本質(zhì)都是數(shù)據(jù)的進(jìn)步。所以近期 Google DeepMind、Meta、Microsoft 都開始做這樣的數(shù)據(jù)集。在國際范圍內(nèi)，這條技術(shù)路線已經(jīng)勾畫得非常清楚了。

如何去做？

這些大公司都在做的一件事是：用密度泛函理論（DFT）去做計算。計算一個材料已經(jīng)非常容易，于是可以批量計算材料的性質(zhì)——根源是解密度泛函理論，也就是解電子的薛定諤方程；知道電子的行為之后，就可以推測出材料的各種性質(zhì)。這已經(jīng)是非常稀松平常的事了。

這就是科學(xué)發(fā)展的“第四范式”：在數(shù)據(jù)基礎(chǔ)之上，做各種各樣的 AI 工具?；仡^看，數(shù)據(jù)計算的奠基人和先驅(qū)者是 Materials Project，之后各國科研機(jī)構(gòu)都開始做。近期 Google、Microsoft、Meta 也都加入。我們是在中科院物理研究所和松山湖材料實驗室下面做這件事，現(xiàn)在這個實驗室一部分也被獨(dú)立為東莞材料科學(xué)與技術(shù)研究所。

我們這個項目叫 Atomly，其實啟動得非常早，2018 年就啟動了，相當(dāng)于在中國本土建了一個 Materials Project。美國Materials Project 的數(shù)據(jù)質(zhì)量和數(shù)量都非常好，在這種數(shù)據(jù)質(zhì)量的基礎(chǔ)上，可以用數(shù)據(jù)做很多人工智能的發(fā)現(xiàn)和建模。我們做的事情和它沒有本質(zhì)區(qū)別，但在計算量和計算精度上有比較大的提升：

網(wǎng)站所有數(shù)據(jù)都是我們自主生產(chǎn)出來的，有 34 萬個無機(jī)晶體材料，數(shù)據(jù)量大概是 Materials Project 的一倍多。目前已有 8000 多個注冊用戶，很多用戶在日常工作學(xué)習(xí)中用我們的數(shù)據(jù)庫做材料性質(zhì)的初探。

Atomly 這個數(shù)據(jù)庫比較厲害的地方是：有了這些數(shù)據(jù)，可以做化學(xué)反應(yīng)類型的計算，速度非常快。背后的原理是：我們沒有去發(fā)展密度泛函理論，而是把 DFT 做成一個產(chǎn)生數(shù)據(jù)的 Agent，通過高通量的方式不停做計算。這套背后的工作流是我們自主開發(fā)的，現(xiàn)在看起來稀松平常，但 2018 年開發(fā)時技術(shù)上還是有難度的。

在這種情況下，我們具備了一個和國外齊平的數(shù)據(jù)生產(chǎn)能力。Materials Project 能做的事，我們幾乎都能做；在某些領(lǐng)域，我們的數(shù)據(jù)量還更大一些，所以我們可以部分實現(xiàn)國產(chǎn)替代。

最近我們在用 R2-SCAN level 的計算去算新數(shù)據(jù)，以及之前大家不太算的數(shù)據(jù)，比如光學(xué)計算。未來大概半年到一年之內(nèi)，我們會有一個光學(xué)數(shù)據(jù)庫出現(xiàn)，會給大家提供光吸收等性質(zhì)的描述。

ICSD（無機(jī)晶體結(jié)構(gòu)數(shù)據(jù)庫）里人類已發(fā)現(xiàn)的已知材料很快會被算盡，所以我們通過元素替代的方式不斷擴(kuò)增化學(xué)空間。

Atomly 一個特別好的優(yōu)勢是可以算化學(xué)反應(yīng)。一旦可以算化學(xué)反應(yīng)，就可以比較化合物的形成能：化合物 A 和 B 反應(yīng)時，放熱本領(lǐng)最大的肯定是最穩(wěn)定的。通過這種方式可以定量地描述任意一個結(jié)構(gòu)是否穩(wěn)定。Google 的 GNoME 就是用這套方式做的，所以這套方式現(xiàn)在變得非常時髦。

舉幾個具體例子：

超導(dǎo)體發(fā)現(xiàn)：已知一個化合物之后，我們替換元素做高通量計算，找到這個空間里哪些化合物是穩(wěn)定的，發(fā)表出來指導(dǎo)實驗。我們從數(shù)據(jù)庫里篩選出和 MgB?（二硼化鎂）結(jié)構(gòu)類似的一個超導(dǎo)體——從篩選到實驗合成，只用了 3 個月時間就把新材料發(fā)現(xiàn)出來。

全固態(tài)電池：現(xiàn)在做電池有一個困難是，電極材料和電解質(zhì)材料會發(fā)生副反應(yīng)——界面處的副反應(yīng)會讓電池的效率和循環(huán)性能變低。解決方案是找一層中間層把電極和電解質(zhì)隔開。我們有這樣一個工作流，可以從 5 萬多個化合物中篩選出幾十個比較好的鍍層材料。我們還篩選了電池的正極材料，找到了一個氟化物的鈉電池材料，如果合成出來，其性能超過現(xiàn)在的磷酸鐵鋰。這些已經(jīng)被我們申請成了專利。

我們還可以用這些數(shù)據(jù)做人工智能模型。一旦標(biāo)定出來一個化合物中原子在不同構(gòu)型時的受力和鍵能，我們就可以預(yù)測任意結(jié)構(gòu)的鍵能和受力。這樣我們就做出了一個通用力場 GPT-FF，基于一些特殊的嵌入，加入了鍵角這樣的描述，在元素的投影上把電子軌道的行為投影在球形函數(shù)上。

2024 年我們發(fā)布時，GPT-FF 在行業(yè)里是比較領(lǐng)先的，比美國 MIT 的 CHGNet、M3GNet 都要好一些。幾個月之后，MatterSim 在更大的數(shù)據(jù)下把力場又往前推了一步。

我們最近對我們的力場進(jìn)行了效率評估，發(fā)現(xiàn)它的效率非常高，性能又比當(dāng)時其他力場好一些。它的應(yīng)用場景包括：

- 預(yù)測材料穩(wěn)定性：給定一個原子在空間擺開的構(gòu)型，力場可以快速把它帶到平衡態(tài)的位置。

- 微調(diào)（Fine-tune）：在預(yù)訓(xùn)練力場的基礎(chǔ)上，用少量數(shù)據(jù)就可以微調(diào)到更合理的情況，比如可以分辨鈦金屬體系從 HCP 到 FCC 的相變，這在傳統(tǒng)經(jīng)驗勢能（empirical potential）里一直是難點(diǎn)。

- 離子晶體分子動力學(xué)：我們對一個流行的全固態(tài)電解質(zhì)做了離子擴(kuò)散率的模擬，結(jié)果和實驗值非常接近。

GPT-FF 力場的所有參數(shù)都全部公開，大家可以下載、開箱即用，是一個很好的開源工具。

我們還在做一件事情：用它快速掃描化合物中的勢能面，獲得離子輸運(yùn)的精準(zhǔn)計算。開發(fā)出來的快速通道工具包可以快速模擬鋰離子、鈉離子電池材料中的離子輸運(yùn)，比傳統(tǒng) DFT 快大概 100 倍，與實驗值和其他力場的比值都非常接近。這是電池材料計算中核心的一步，傳統(tǒng)上做電池材料篩選到這一步是沒辦法做的，但有了這套人工智能力場就可以快速解鎖。

如何選擇科學(xué)問題？

傳統(tǒng)上大家做這些 AI 的事情時，都以數(shù)據(jù)為起點(diǎn)或判據(jù)。如果數(shù)據(jù)是合適的，你就可以拿這些數(shù)據(jù)做合適的科學(xué)問題。

DeepMind 其實是挑選問題的高手。他們選 AlphaGo 的原因是因為圍棋的數(shù)據(jù)質(zhì)量非常高，不存在主觀偏見、模糊的問題，預(yù)測指標(biāo)也非常清晰。

所以選擇科學(xué)問題永遠(yuǎn)是人工智能領(lǐng)域最重要的一步。怎么選擇？拿數(shù)據(jù)來做一個非常重要的判據(jù)。

我們最近在做 MatChat 智能體。

- 2023 年：用 Llama 2 做了一些訓(xùn)練，發(fā)現(xiàn)有跡象，但難度和資源需求都非常大。

- 2024 年：發(fā)現(xiàn)可以用 RAG（檢索增強(qiáng)生成）模式去做。

- 2025 年：上線了第一版，包含 28 萬篇論文。

- 2026 年 3 月：發(fā)布 2.0 版本，包含 80 萬篇論文，可以快速查詢和寫作論文。

第三版我們包含了大量文獻(xiàn)檢索的全文內(nèi)容。檢索出來之后，會根據(jù)檢索結(jié)果直接給出參考文獻(xiàn)。未來還會具備寫作功能——我們背后有一個 skill 可以寫綜述論文，調(diào)用 MatChat 的 API 之后可以直接用它寫綜述論文。

隱私計算：我們做了一個用隱私計算保護(hù)數(shù)據(jù)的開放平臺。數(shù)據(jù)上傳后，作為數(shù)據(jù)擁有者，你可以選擇數(shù)據(jù)“可用不可見”。這樣大家可以登錄訪問你的數(shù)據(jù)但看不到真實的值，只能看到它的元結(jié)構(gòu)，用這種結(jié)構(gòu)調(diào)用你的數(shù)據(jù)做 AI 模型。

機(jī)器人科學(xué)家：我們用工業(yè)協(xié)作機(jī)器人把自動化合成在實驗室里變成真實場景。我們實驗室已經(jīng)開始用這套東西合成材料，合成效率非常高。

國內(nèi)這類實驗室非常多，但基本都是基于溶液或溶液化學(xué)的；像我們這樣全固態(tài)、機(jī)器人處理粉末、放在高溫環(huán)境燒結(jié)的機(jī)器人實驗室其實非常稀缺，而這又是材料科學(xué)里非常重要的合成步驟。我們也是國內(nèi)為數(shù)不多、有能力對標(biāo)美國 A-Lab 做這樣合成的幾家單位之一。

AI for Science 期刊：這是我們最近辦的一本期刊，由松山湖材料實驗室和東莞材料所主辦，編委非常國際化。期刊一半以上的論文來自國際海外作者，發(fā)表在我們這里能保證全世界都能看到你的工作。今年 10 月我們還會開一個 AI for Science 會議，邀請到了很多國際知名的領(lǐng)域大咖。現(xiàn)在開放獲取，全免費(fèi)，歡迎大家投稿。

互動提問

提問 1：10 年后的材料實驗室會是什么樣子？

劉淼：這是個開放性的問題，我沒有答案。因為這個領(lǐng)域發(fā)展太快了，頂多能看個兩三年。

但總的來說，我們可以看一下生物醫(yī)藥的發(fā)展，他們比材料科學(xué)發(fā)展早一點(diǎn)點(diǎn)。幾乎所有材料科學(xué)里經(jīng)歷的事情，生物醫(yī)藥里其實已經(jīng)做過了一遍——他們至少早 20 年就知道用 AI 計算找藥，他們有各種各樣的人工智能方案做新藥發(fā)現(xiàn)，或者類似的軟件/硬件產(chǎn)品。除了生物醫(yī)藥，材料科學(xué)可能是第二個在數(shù)據(jù)上具備類似發(fā)現(xiàn)或突破的領(lǐng)域。我覺得還是很有希望——既有很多未知，又有很多希望。

提問 2：DeepMind、Microsoft 發(fā) Nature 都不再公布數(shù)據(jù)和模型了。你們把 GPT-FF 和材料數(shù)據(jù)庫都免費(fèi)開放，對國內(nèi)免費(fèi)是出于什么考慮？

劉淼：其實他們沒有公布數(shù)據(jù)，但還是公布模型的。開源的意思不是“模型 + 數(shù)據(jù) + 訓(xùn)練方式”全部開源，而是只公開參數(shù)。這又回到我報告的主題：數(shù)據(jù)很重要。所以各個領(lǐng)域的大模型公司，包括圖像、世界模型、大語言模型，都不公開數(shù)據(jù)。材料科學(xué)也在朝這個方向發(fā)展。

這也是未來的趨勢：數(shù)據(jù)將會成為這個行業(yè)的壁壘，其他的都不會是壁壘。模型已經(jīng)不重要了，因為模型的壁壘已經(jīng)非常小——你的模型比我的模型在同樣數(shù)據(jù)底下效率高一點(diǎn)點(diǎn)，這種差異已經(jīng)小到看不出來了。接下來無非就是怎么做數(shù)據(jù)，這會成為這個行業(yè)唯一的壁壘。在這種數(shù)據(jù)高價值的情況下，大家是不會把數(shù)據(jù)放出來的。我們的數(shù)據(jù)有些開放給大家瀏覽，但作為供機(jī)器學(xué)習(xí)使用的數(shù)據(jù)，沒有人會放出來。

如果你要做這個行業(yè)或者任何 AI 相關(guān)的行業(yè)，如果沒有在數(shù)據(jù)上占到先機(jī)，you will never make it（永遠(yuǎn)做不成）。每個企業(yè)都是這樣。所以學(xué)生、投資人、每個行業(yè)的人都可以看一下：你要去的這家公司，在數(shù)據(jù)上是不是有先機(jī)——如果沒有數(shù)據(jù)先機(jī)，there is no way you can go。

提問 3：你們 80 萬篇論文的數(shù)據(jù)是怎么清洗的？

劉淼：首先，我們在一個學(xué)術(shù)機(jī)構(gòu)里面，有一些資源和條件可以獲得論文全文。拿到論文全文之后，把 PDF 變成可用的數(shù)據(jù)，這里我們用到了浦江實驗室的 MinerU 這一類的智能文檔解析工具。這種行業(yè)先進(jìn)的工具用起來，可以讓某一個細(xì)節(jié)變得更好。

我想今天在座的我們幾位都是在做科學(xué)的工程化。在這個行業(yè)里，科學(xué)已經(jīng)做到一定程度的時候，可以通過工程化的方式讓它變成生產(chǎn)力工具，把它做成產(chǎn)品、做成大家可以使用的工具的過程中，其實是工程思維——每個細(xì)節(jié)都到位，最后產(chǎn)品才能比較好。任何一個細(xì)節(jié)不考慮，最后產(chǎn)品就會因為那一個細(xì)節(jié)顯示出不好的地方。

提問 4：做 AI 的人很多都被業(yè)界高薪吸引過去了。AI for Science 如何長期有系統(tǒng)地做下去？高校研究所有競爭力嗎？

劉淼：我的感受是，這個領(lǐng)域做 AI + 科學(xué)的人，更多是從科學(xué)出身的。如果你單純是 AI 出身，在這個領(lǐng)域很難往下做深入發(fā)展。做 AI 的人雖然工資很高，但那些做“生化環(huán)材”四大“火坑”專業(yè)的人出來，在 AI + 科學(xué)領(lǐng)域做事，對他們來說可能是一個讓自己往更前沿方向走的機(jī)會。

人類社會人很多，每個人做的事情不一樣，如果大家都做一樣的事就沒意思了。我們也希望吸引進(jìn)來的人不是看錢，而是在思考“怎么樣去創(chuàng)造價值”。這中間有一些有意思的、自己感興趣的、好玩的事情。我相信這個領(lǐng)域還會不停地吸引人進(jìn)來，至少我看到我們新進(jìn)來的研究生干勁十足，所以我絲毫不擔(dān)心這個問題。

最近我看了 Yann LeCun（楊立昆）的一個播客訪談，他提出一個觀點(diǎn)：如果你現(xiàn)在去一個大廠或者企業(yè)做大語言模型，或者在研究生階段學(xué) LLM，其實非常無聊。我回頭思考一下我們團(tuán)隊在做什么——有做基礎(chǔ)設(shè)施的、有做產(chǎn)品的、有做數(shù)據(jù)的、有做模型的，這其實和一個大語言模型公司做的事非常相似，相當(dāng)于他們的早期階段。所以這個領(lǐng)域其實就像大語言模型的早期階段，映射到我們這個行業(yè)中，因此這個領(lǐng)域是蓬勃發(fā)展的。

在這個階段，與其去一個成熟企業(yè)、成熟方向里做一只小螞蟻，不如來我們這個行業(yè)，做一個行業(yè)成長期、早期進(jìn)來的獨(dú)角獸。這就是我們在這件事上的取舍。

作者簡介

劉淼，中國科學(xué)院物理研究所 /松山湖材料實驗室 研究員、博士生導(dǎo)師，曾任 國際材料基因組計劃（Materials Project）的核心開發(fā)人員。 長期致力于“材料大數(shù)據(jù)+人工智能”方向， 帶領(lǐng)團(tuán)隊創(chuàng)立了Atomly.net材料科學(xué)數(shù)據(jù)庫、GPTFF人工智能通用力場、matchat材料科學(xué)智能體等多項工具。

想要了解更多AI for Science創(chuàng)業(yè)項目？有BP想要投送？或者想來分享你的真知灼見？添加果殼硬科技企業(yè)微信，私信溝通。

點(diǎn)個“小愛心”吧