陆子恒：我们用 AI 穷举了 20 万种材料，知道了一个价值 10 亿的问题 | AI for Science 沙龙

📌 一句话摘要

本文以沙龙分享形式，介绍陆子恒团队如何利用 AI 模型（MatterSim、MatterGen、MatEvolve）暴力穷举 20 万种材料，得出金刚石在常温常压下热导率不可超越的结论，并展望 AI 从理想晶体到工业材料的闭环路径。

📝 详细摘要

本文是未来光锥「AI for Science 创变者说」第二期沙龙的文字实录，主讲人为北京中关村学院首席材料科学家、开物纪创始人陆子恒。文章从材料研发的两大基本问题（能否更快找到高性能材料、某种材料是否存在）切入，系统介绍了团队在 AI+材料科学领域的系列工作。核心内容包括：正向预测模型 MatterSim，通过主动学习构建 3500 万条数据的大规模数据集，实现材料性质的零样本快速预测；利用该模型暴力穷举 23-24 万种候选结构，得出金刚石在常温常压、无机晶体体相材料中热导率不可超越的结论，并已合成出 TaP、TaN 等高热导率候选材料；反向生成模型 MatterGen 与 GSS，实现按目标性质定向生成新材料；以及结合化学先验知识的智能体系统 MatEvolve，打通从理想晶体到工业材料的闭环。文章还包含互动问答环节，讨论了结论可靠性、缺陷与掺杂问题、材料实验室未来展望等。

💡 主要观点

- MatterSim 通过主动学习构建大规模数据集，实现材料性质的零样本快速预测。 团队用主动学习加局部采样方法，将数据需求降至传统方法的百分之一，最终构建了 3500 万条数据，使模型能对任意元素组合、温度、压力下的材料给出可靠预测。

暴力穷举 23-24 万种候选结构后，确认金刚石在常温常压下热导率不可超越。 团队利用 MatterSim 对元素周期表中所有一元、二元及部分三元体系进行穷举计算，在给定置信概率下，金刚石的热导率在所有无机晶体体相材料中最高，为这一长期争议问题提供了有力证据。

MatterGen 与 GSS 实现按目标性质定向生成新材料，但存在外推局限。 MatterGen 可约束化学组分、对称性、标量性质进行生成，但本质是在高维隐空间插值；GSS 通过可调节的探索性旋钮，在搜索效率与新颖性之间取得平衡。

MatEvolve 智能体系统结合化学先验知识，打通从理想晶体到工业材料的闭环。 通过引入文献检索与化学专家知识，MatEvolve 避免了从零训练的高昂成本，已成功设计并合成出新材料，证明 AI 设计到真实材料的路径可行。

💬 文章金句

- 金刚石基本上就设定了热导率的上限。大家不用再花时间去找了。

• 我们做到的是：在我们指定的空间内……以最高的执行概率把它穷尽了，并给出了一个相对较高的置信概率。
• 从理想晶体到工业材料，AI 正在一步步填平中间的鸿沟。

📊 文章信息

AI 初评：87

来源：果壳

作者：果壳

分类：人工智能

语言：中文

阅读时间：25 分钟

字数：6106

标签： AI for Science, 材料科学, MatterSim, MatterGen, 生成式AI

阅读完整文章