科学通报AI入门系列 | 北化曹达鹏团队观点文章：AI重塑材料设计——从专业工具到“机器人科学家”

随着 AlphaFold成功破解蛋白质结构难题，以及ChatGPT、DeepSeek等智能模型横空出世，人工智能（AI）早已不是科研圈的“新鲜话题”，而是改变材料研发范式的核心力量。如今，这场AI科研革命正迎来关键转折——从“知其然”的精准预测，迈向“知其所以然” 的逻辑推理，为能源催化材料设计开辟全新赛道。

近期，曹达鹏团队在《科学通报》发表观点文章，提出需要明确广义AI与狭义AI的核心差异：广义AI以AlphaFold、GNoME为代表，核心依托数据匹配与模式识别技术，可从海量数据中挖掘关联规律，实现高精度结果预测，但缺乏对物理化学底层逻辑的解释能力，难以支撑创新性研发任务；狭义AI以OpenAI o1、DeepSeek-R1为典型，突破了单纯数据拟合的局限，具备逻辑推理与因果推断能力，能够基于学科原理推导材料结构与性能的内在关联，实现“知其然且知其所以然”的科研目标。

二者划分标尺为“是否具备可解释的逻辑推理能力”，这一界定为能源材料研发提供了清晰技术定位。针对催化材料设计痛点，团队提出基于“描述符”的智能体框架，将领域知识转化为机器可识别变量，通过“感知-决策-执行-学习”闭环，兼顾效率与可解释性，破解传统经验试错局限。团队进一步提出“智能体集合体+总控体”架构，借鉴杂化泛函思想，通过动态权重分配协同多专业智能体，推动AI从工具向“机器人科学家”转型，为复杂材料研发提供一体化方案。

团队进一步提出“智能体集合体+总控体”的通用AI架构思想：借鉴密度泛函理论中杂化泛函的策略，总控体通过动态权重分配机制，协同需求解析、理论计算、实验规划等专业智能体，根据研发阶段与任务目标实时调整各模块权重，使系统具备自适应、自优化的科研决策能力，推动AI从被动工具向主动参与创造性探索的“机器人科学家”的转型，为复杂材料的跨尺度、多目标研发提供一体化解决方案。

文中也指出，当前AI在能源材料领域面临三重挑战：一是算力需求巨大，高校及中小型团队受硬件与成本限制，难于开展大规模创新；二是龙头企业主导研发，商业化导向压缩基础研究空间，可能抑制颠覆性创新；三是多源知识融合的标准化与接口适配等技术尚未获得阶段性突破。不过，随着开源算力的推广、校企差异化协作及接口规范的完善，将会逐步解决这些难题。

本研究将为交叉创新提供关键支撑，推动科研范式向 “ 知识数据协同驱动 ” 转型，助力相关领域技术突破。

作者简介

曹达鹏：英国皇家化学会会士（2016年），国家重点研发计划项目负责人（2019年）。2002年获北京化工大学博士学位。先后在香港大学、新加坡纳米材料公司以及美国加州大学Riverside从事科研工作。2005年至今任北京化工大学教授、博士生导师。先后获教育部自然科学奖一等奖和北京市自然科学奖一等奖等省部级奖励5项。近年来连续入选爱思维尔中国高被引学者（2018年至今）和科睿唯安“全球高被引学者”（2021年至今）。主要从事氢能催化材料及器件（氢燃料电池和电解水制氢电解槽等）和多孔框架材料（包括共价有机框架（COF）材料和共价有机多孔聚合物（COP）材料）的理论及实验研究。

文章信息

乔泽龙，姜润，曹达鹏. 人工智能重塑材料设计及其演进路径的探讨. 科学通报, 2026.

https://www.sciengine.com/doi/10.1360/CSB-2025-5797.

转载、投稿请留言

| 关注科学通报 | 了解科学前沿