学术成果登Nature子刊！广州企业造了一个“机器人科学家”

近日

广州南沙具身智能重点企业

广州明德智能机器人有限公司

（以下简称“明德智能”）

相关研发团队

在具身智能领域取得新进展：

机器人决策大脑“MatBrain”

相关成果发表于国际权威期刊

《Nature Machine Intelligence》

（《自然-机器智能》）

以相关科研成果为基础的

具身智能机器人科学家

（Mind-Scientist）

已在真实实验环境中开展自主实验

图源：南方+

材智云脑（MatBrain）

此次成果由明德智能研发团队完成，团队创新提出“知识+工具”双模型融合技术路线，打造面向科工融合的轻量化双模型协同智能体“材智云脑（MatBrain）”。

MatBrain双模型协同框架 图源：中国科学院大学

该智能体由两个轻量化的小模型Mat-R1、Mat-T1组成，不同于依靠单一超大参数模型解决复杂科研问题，“MatBrain”将科学推理和科研执行进行专业化分工：300亿参数（30B）模型Mat-R1作为“材料专家”，负责材料知识理解、科学推理与结果判断；140亿参数（14B）模型Mat-T1作为“科研执行者”，负责调用数据库、计算软件及科研工具，通过“生成—验证—反馈—再执行”的动态闭环，自主完成复杂科研任务。

据悉，该智能体在材料科学研究中的预测综合准确率较GPT-5、DeepSeek-R1等大模型提升66%，部署成本较同类大模型降低95%，这种轻量模型协作方式在材料性质预测、晶体结构设计等任务中能够达到远超前沿通用大模型的水平。

AI“材料专家”与“科研执行者”

传统的材料科学研究中，一个新材料的发现从概念验证到应用往往需要较长的研发周期，这一过程需要科研人员不断进行理论分析、计算筛选和实验试错。近年来，大语言模型、高通量计算、机器学习以及Materials Project等大型材料数据库快速发展，研究人员得以更快地获得晶体结构和数据，并更高效地开展科学研究。

但在真实的工作中，科学推理和工具执行具有不同的任务特征。材料推理要求大模型尽可能准确、稳定，判断材料结构是否合理、分析材料性质、解释计算结果时，模型必须遵循化学组成、晶体对称性、原子几何和物理规律，不能随意“发挥”。单个大模型在给出专业判断、执行任务时，需要在不同的软件之间选择，构造正确的参数，读取中间结果，并根据信息灵活决定下一步的行动，其有效执行路径往往并不统一。

“科学推理和科研工具调用这两种科研能力很难在同一个轻量化模型中做好，换成数千亿参数的通用大模型虽然可以提高科研能力，但会带来巨大的计算和部署成本。”相关人员介绍，与其让单一模型同时承担所有功能，不如将“科学分析”和“科研执行”进行专业化分工，并通过模型协作完成复杂材料研究。

MatBrain性能展示机实际案例研发 图源：中国科学院大学

MatBrain智能体的开发，正是基于这一思路。

既然要让两个小模型来分工合作，应该如何训练它们，从而实现更高效的材料科研工作？

对于负责“想”的Mat-R1模型，研究人员整合了Materials Project、OQMD、ICSD等材料数据库和科研文献，将晶体结构、材料性质、合成方法与应用信息进行关联，构建了约25.2万条高质量材料指令数据，对模型进行训练。

对于负责“做”的Mat-T1模型，研究人员则构建了Mat-MCP材料科研工具平台，将以往公开的Materials Project、MatterGen、Pymatgen、CHGNet、和VASP等数据库、生成模型和计算程序统一封装成Mat-T1模型可调用的科研工具，并通过2万个复杂材料科研问题对其进行强化学习。

研究结果表明，两个模型组成完整的MatBrain智能体后，不仅能够完成材料结构生成、性质预测、稳定性分析和合成路线规划等材料科研任务，还能够进一步参与开放式材料发现过程。在电催化剂的应用中，该模型完成了从科学假设形成、3万个候选结构生成、多阶段计算筛选，到候选材料实验验证的完整研究链条。

科学智能与具身智能的融合

具身智能机器人科学家（Mind-Scientist） 图源：南方+

依托相关科研技术积累，明德智能持续推进科学智能与具身智能融合，构建“决策大脑+执行小脑”的具身科研技术体系，并以此打造具身智能机器人科学家（Mind-Scientist）。

机器人既能完成文献检索、知识分析、实验方案设计和任务规划等“脑力工作”，又能通过机械臂、视觉、力控以及模块化末端执行组件，将数字世界中的科研决策转化为现实实验环境中的物理操作，实现人工智能逐渐从“给科学家提供答案”到“与科学家共同完成实验”的转变。

目前，明德具身智能机器人科学家已围绕移液、离心机操作、微量粉体加样、样品表征、材料实验、生化实验等科研任务开展自主实验，并持续向细胞培养、蛋白纯化等更加复杂的生命科学实验场景拓展。通过模块化硬件适配与实验Skill训练，同一机器人平台可快速适配不同科研任务，形成“感知—决策—执行—反馈—优化”的自主实验闭环。

参考来源

中国科学院大学《国科大师生打造“双模型协作”材料创制智能体》

https://mp.weixin.qq.com/s/bwNlatgsmZTX3CvS-BmdGg

广州科技创新《学术成果登Nature子刊！广州企业造了一个“机器人科学家”》

https://mp.weixin.qq.com/s/Kq3999xmptFOv0_PzIguOg

南沙投资《登Nature子刊、上湖南卫视，广州南沙造“机器人科学家”不简单！》

https://mp.weixin.qq.com/s/24pIap4TVYk_jv_njmKWQA