3月19日，材料科学与人工智能融合创新，正加快理论突破和前沿新材料发现。诞生于北京中关村的AI for Science科研新范式引领者深势科技，通过AI技术加速新能源电池、半导体等领域新材料研发。
“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。
据该技术人员介绍，深势科技打造的表征大模型Uni-AIMS，利用深度学习算法自动识别电镜图像中的物体，并进行细致的表征计算，可为科研探索和工业生产提供数据支持。以锂电池生产为例，锂电池实际上是由头发丝大小的颗粒组成，生产过程中一个关键环节就是去检测生产出的颗粒大小是否合格。Uni-AIMS可通过算法高效识别产品中所有颗粒的大小，实现高度自动化。
当前，人工智能正在重塑新材料研发范式，受到全球广泛关注。全球科技巨头和相关创新主体纷纷布局“人工智能+新材料”，并形成一批典型案例。
今年1月，《北京市加快推动“人工智能+新材料”创新发展行动计划（2025-2027年）》发布，提出到2027年，北京“人工智能+新材料”创新能力显著增强，打造“人工智能+新材料”融合创新示范基地，形成国际领先的新材料创新策源与人工智能应用高地。
北京新材料和新能源科技发展中心有关负责人表示，北京将统筹推进关键技术核心攻关、新材料数据设施构建、智能实验室建设，新业态培育和创新生态，加大对AI+新材料领域的项目支持，提升创新引领能力。
