AI预测新材料结构：从电池正极到催化剂研发周期缩短一半

咨询发布

前两天看到Google DeepMind发了篇论文，说他们用AI预测了二百多万种新材料的晶体结构，这个数字挺吓人的。以前材料科学家靠试错法找一个新材料，从假设到合成到验证，运气好的几个月，运气不好的搞几年。现在AI先把可能的结构筛一遍，实验直接从最可能的几个开始做。

不只是Google，国内这边也在跟。宁德时代去年就公开说用AI辅助研发固态电池正极材料，把筛选周期从十八个月压到了八个月。他们训练的模型能把元素周期表上的组合做穷举，人算不过来的那些组合交给机器跑，每天筛选几万种。

催化剂这块也快。有家做工业催化的公司跟我聊过，他们以前开发一个新催化剂配方要做上百组实验，现在AI先预测活性位点，实验量砍到二十组以内。一个配方从立项到中试原来要两年，现在一年出头就能进中试。

当然也不是没毛病。AI预测的结构很多在实验室里合成不出来，热力学上成立不代表动力学上能实现。但现在至少把搜索范围收窄了，不用大海捞针，光是这一点对研发进度的提升就够大了。