内蒙古
想象你面前有一块合金，里面住着几十万个原子。每个原子都在动，都在互相推拉挤撞。你想知道这块材料十年后会变成什么样——传统做法是让超级计算机一个原子一个原子地算，算到天荒地老。
现在，新加坡国立大学的一群科学家说：不用那么麻烦。让AI自己去找规律，只看少数几个关键线索，就能猜出整块材料的命运。
这听起来像是偷懒，但背后是一场计算方式的革命。
材料科学的"老大难"：从微观到宏观的鸿沟
我们日常接触的一切材料——手机里的芯片、飞机上的合金、电池里的电极——它们的性能都源于微观世界里无数原子的集体舞蹈。理解这支舞蹈，是设计新材料的前提。
问题在于，这支舞太复杂了。
一块指甲盖大小的金属里，原子数量以亿计。要精确模拟每个原子在每一秒的位置和受力，即使动用世界顶级超算，也常常力不从心。更别提你还想看它几小时、几天甚至几年后的变化。计算成本高到让人望而却步。
材料科学界几十年来一直在寻找一种"捷径"：能不能不盯着每个原子，而是找到几个隐藏的"总开关"，通过它们就能推演出整个系统的走向？
新加坡国立大学数学系李千晓副教授带领的团队，用人工智能做到了这件事。
两把钥匙，打开同一个宝箱
团队的成果发表在两篇论文中，一篇登上《物理评论材料》，另一篇在2026年国际机器学习会议（ICML）上展示。核心思路出奇一致：让AI从微观数据里自动提取隐藏规则，而不是人工去猜。
第一把钥匙叫"以小见大"。传统方法要算大系统，就得真的去算大系统里的每个原子。但这个团队发现，你只需要模拟一个小系统，观察其中少数原子受到的力，AI就能从中推断出整个大系统的动态行为。他们用严格的数学证明了这条捷径的可靠性，并在从生物种群模型到超过50万个原子的合金模拟中反复验证——结果都准。
换句话说，AI不需要把整本书读完，只读了几页前言，就能写出靠谱的书评。
第二把钥匙叫"不挑顺序"。现实中很多材料——流体、颗粒堆积、聚合物——内部粒子根本没有整齐排列，像一盘散沙。传统模型处理这种系统很头疼，因为粒子没有固定编号，换个顺序结果就不对。而这个AI模型学会了看"整体 pattern"，不管粒子怎么排列，它都能给出相同的预测。这意味着它真正理解了物理规律，而不是死记硬背了某个特定排列。
两项突破合在一起，效果显著：在保留物理规律的前提下，AI能从微观数据中构建出高效的宏观模型，计算量大幅缩减。
为什么这件事很重要？
首先是省钱省时间。新材料研发是一场漫长的试错游戏。如果每次都要跑完整原子模拟，周期长、花费高。有了这种AI方法，研究人员可以快速筛选候选材料，把宝贵的计算资源留给最有希望的方向。
其次是尺度突破。这个方法最让人兴奋的特性是可扩展性——训练时用的是小系统，推断时却能预测远比训练数据大得多的系统。这为研究真实世界的材料打开了前所未有的可能性。你不再受限于"算得动多大就研究多大"，而是可以放手去想象更大、更复杂的体系。
再就是适用面广。从有序晶体到无序流体，从金属合金到生物系统，这个框架都能灵活应对。它不是为某一种材料定制的工具，而是一套通用的方法论。
李千晓副教授说得很清楚："许多重要的科学问题都涉及理解大规模行为如何从无数微小相互作用中产生。我们的目标是让AI自动发现这些有效规律，在大幅降低计算成本的同时保持物理准确性。"
下一步：从虚拟走向现实
目前，这个方法主要在计算机模拟数据上得到验证。团队接下来的计划是把它与真实实验数据对接，并结合更先进的中观尺度模拟技术。终极目标是打造一套能快速预测材料行为的AI工具，直接加速能源、电子和制造领域的新材料发现。
从原子到材料，从微观到宏观，这条路人类走了几十年。现在，AI不是替代我们走这条路，而是帮我们找到了一条近道。
科学有时候就是这样：最聪明的办法，不是更努力地计算每一步，而是学会发现哪几步真正重要。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
