25秋AI专题培训直播回顾(第十二讲):AI*材料科学:双向赋能的科学研究新范式
作者：微信文章2025年秋季学期，学堂在线继续围绕“AI赋能教育教学改革创新”为全国高校提供高质量的培训资源，本学期内容将聚焦“高校教师数字素养与人工智能应用能力提升”。本活动自2024年秋季学期开始，已有全国180余所高校，5万余人次参与交流学习。
12月18日下午，清华大学材料学院朱宏伟教授从科学研究的视角与大家展示了AI技术与材料科学的双向赋能，依次从AI for Science的本质、AI赋能材料科学、材料科学赋能AI等方面具体展开。
图源：朱宏伟教授 “AI×材料科学：双向赋能的科学研究新范式” PPT（下同）
AI for Science的核心意义
朱老师开宗明义地指出：AI是集体智慧的“镜子”和“放大器”，大语言模型的本质是概率生成，是对人类集体智慧的映射和聚合，其真正使命是构建“超级市场”，而非取代人类。
AI for Science的五个关键方面：
1.数据分析与挖掘： AI能高效处理基因序列、天文图像等海量高维数据，从中快速识别模式、异常点，实现从“大海捞针”到“精确垂钓”。
2.发现新规律与新范式： AI可以纯粹从数据中学习，系统性探索假设空间，超越人类直觉和已有理论框架，发现全新的物理规律和数学关系。
3.突破计算瓶颈：AI替代昂贵且耗时的数值模拟，通过训练“代理模型”解决了许多“算不动”的科学难题。
4.实现逆向设计： 传统方法是“试错法”，而AI可以从目标性能出发，反向推导出最优的材料结构或分子，极大地加速了新材料和新药物的发现。
5.多尺度与跨学科融合： AI能整合来自不同学科（如气候、经济、社会）和不同尺度（从原子到宏观）的数据，构建统一模型，更全面地理解复杂系统。
AI不仅仅是科学研究的“加速器”，更是一种开辟新研究方向、催生新科学理论的革命性工具，是继实验、理论和计算科学之后的“第四科研范式”。
“AI For Science”的核心优势在于
将数据驱动与传统科学方法相结合
产生“1+1>2”的效应。
AI For Science的本质：融合与革命
AI for Materials
AI如何成为材料科学家的“超级助手”
1.材料表征与分析
通过输入有限的实验和计算结果对卷积神经网络进行训练，让AI成为“预言家”——快速预测材料性能（比如一种新合金的导电性），而不必真正把它制造出来再进行测试。
使用深度学习来重构超分辨的透射电镜图像——就像用“美图秀秀”修复虚化的照片，让研究者能在毫秒时间分辨率下看清纳米颗粒的表面动态，为材料研究提供更多可能。
此外，AI也大大提升了新材料筛选和材料逆向设计的效率，让新材料的发现和创造进入了一个前所未有的“快车道”。
2.智能制造与加工
还原已经失传的传统工艺。我们可以让AI在有关陶瓷工艺的海量零散数据中找出规律和参数组合，辅助陶瓷工艺还原与设计。
辅助芯片设计。当电路小到纳米尺度时，光的衍射等现象会导致掩膜误差，AI可以找到“设计”和“制造”之间的复杂关系，推算出光学邻近效应修正，制造出性能更强、密度更高的芯片结构。
3.AI科学家
在AI辅助科研的过程中，学者还提出了“AI科学家”的构想——融合机器人技术和AI智能体，打造高度自动化的闭环科研系统——可以自己阅读文献、设计实验、优化流程、分析数据、总结报告、撰写论文、甚至回复审稿意见，最终完成科学发现。
4.大语言模型
大语言模型是称职的科研伙伴，可以基于个性化的提示词助力人类科学家管理文献、头脑风暴、完善写作。不可忽视的是，AI的通用性和专业性存在着天然的矛盾，在科研领域从“大模型，轻度适应”转向“小模型，深度适应”是必然趋势。
从GAI到AGI我们还有很长的路要走！有趣的是，AI与材料科学的双向赋能正是解决这个问题的钥匙。
Materials for AI
材料科学如何为AI解决“关键制约”
1.人工智能背后的能源代价
基于冯·诺依曼架构的传统计算方式和二进制的运作机制，使AI像一个“贪吃的巨人”，在模型训练阶段和使用过程中对电力、水资源的消耗预示着技术发展的不可持续性，人工智能的发展需要进一步打破器件瓶颈、架构瓶颈、能耗瓶颈的制约。
2.类脑计算
源于规模巨大、连接复杂的庞大网络，人脑以约20瓦的功耗却能处理复杂的信息，类脑计算架构就是向人脑学习，将人脑数字化。为了从根本上解决AI训练带来的能源危机，我们需要改变芯片的设计思路，在软硬件层面模拟人脑由突触、神经元组成的网络结构和电信号传导机制。
3.神经形态材料
通过模拟神经元和突触的功能，为类脑计算提供物质基础，从而实现全新的计算架构和算法。材料科学家通过氧空位、相变、导电丝生长等方式实现“忆阻效应”，构建“忆阻器阵列神经网络”，模拟人脑进行运算和记忆。
AI与材料科学的相遇，不仅是技术的叠加，更是科研范式的革命；我们正站在从“数据驱动”走向“科学智能”，从“模拟大脑”走向“物理还原大脑”的历史转折点。
未来， AI与科学研究的双向赋能，需要培养具有跨学科协同的复合型人才、建立可信任的AI、确保科研伦理与政策与时俱进、呼唤新的人才培养和信任机制，最终迈向一个人机共生、协同进化的智能科学新时代。
项目结语
尊敬的各位领导、老师，专家，本学期共计十二讲的系列直播活动已经全部结束！
感谢大家的参与和支持，本学期我们结合AI赋能教育的热点前沿邀请专家围绕“AI+通识教育”“AI+教学设计”“AI+学科引擎”“AI+学术研究”四大模块与大家进行了深度分享，相信对大家有所启发。
2026年春季学期，我们将继续为大家带来丰富多样的内容，聚焦“AI应用伦理”“智慧课程建设与深度应用”“AI融入课程教学的成果培育”三个方面持续助力人工智能融入高等教育改革。
各位老师们，我们明年三月再见！
撰稿 | 张小沫
编辑 | 黎子竹
校对 | 王依伊
审核 | 赵欣
页:
[1]