北京
随着ChatGPT、Sora等大模型的爆发，人工智能（AI）正在深刻改变人类社会的各个领域。在科学界，“AI for Science”正成为推动物质科学发展的新引擎。然而，如果说AI模型是动力强劲的发动机，那么数据就是不可或缺的燃料。数据的质量与规模，直接决定了AI模型性能的上限。
在材料科学领域，“数据稀缺”却长期制约着AI技术的深度应用。传统的材料研发往往依赖于“试错法”（Trial and Error），实验周期长、成本高，产生的数据不仅规模小，而且由于缺乏统一的标准化记录，往往以非结构化的形式散落在文献甚至研究人员的实验记录本中。
面对这一困境，天津大学材料科学与工程学院陈亚楠教授团队在“人工智能-能源材料交叉前沿专题”发表了最新综述文章。文章直击核心痛点，以“材料AI的数据从哪里来？”为核心问题，全面系统地梳理了AI驱动材料研发中数据获取方式的演进历程与多源融合趋势。
图1
如图1所示，为了突破数据瓶颈，材料科学家们开辟了三条截然不同却又殊途同归的“破局之路”：
突破一：高通量计算——奠定材料AI的数据基石
在AI切入材料领域的早期，以密度泛函理论（DFT）为代表的高通量计算发挥了不可替代的作用。通过超级计算机不间断地“虚拟合成”，科学家们建立起了如Materials Project、OQMD等海量材料数据库。这些数据库具有规模大、结构化程度高的特点，为机器学习模型的训练提供了第一桶“数字黄金”。局限性提示： 尽管高通量计算数据量庞大，但其计算精度与真实实验环境仍存在固有鸿沟，且在预测复杂反应动力学、缺陷和非平衡态性质时往往力不从心。
突破二：大语言模型（LLM）——沉睡文献的“超级掘金者”
世界上有数以千万计的材料科学论文，其中蕴藏着海量的真实实验数据。过去，这些数据大多以自然语言的非结构化形式存在，难以被传统程序读取。近年来，大语言模型（如GPT系列）的兴起带来了革命性的变化。大模型可以像人类专家一样阅读海量文献，从中自动提取合成配方、实验条件、性能指标等，并将其转化为结构化数据。这为弥补理想计算数据与复杂实验数据之间的鸿沟提供了全新的、低成本的途径。
突破三：超快制备技术——高通量实验数据的“加速器”
真正的材料发现最终必须回归实验。如果合成一个新材料需要几天，那么再聪明的AI也会被物理世界的速度拖后腿。此时，超快制备技术（如高温热冲击技术等）应运而生。这类技术通过极高升温速率和极短反应时间（几秒甚至几毫秒内），将原本漫长的材料合成周期极致压缩。当超快合成与自动化高通量表征结合，每天生成成百上千个真实的实验数据点成为现实，彻底打通了物理世界的“数据生成”瓶颈。
高通量计算提供了广阔的探索空间，大模型文献挖掘提供了历史经验，而超快制备技术提供了快速的物理验证手段。本文指出，这三种数据来源并非孤立存在，它们的优劣互补与深度融合，正在催生材料研发的终极形态——闭环自主实验室（Self-Driving Labs）。
在材料AI的下一个十年，单纯追求算法的改进已不足以引发质变，谁掌握了高质量的多源数据，谁就掌握了新材料发现的未来。
文章信息
黄鹏飞, 陈亚楠. 人工智能驱动新材料发现: 数据瓶颈突破与研发范式变革. 科学通报, 2026, 71(23): 5529-5545.
《科学通报》是中国科学院主管、中国科学院和国家自然科学基金委员会共同主办的综合性中文学术期刊，致力于快速报道自然科学各学科基础理论和应用研究的最新研究动态、消息、进展, 点评研究动态和学科发展趋势。
旬刊，每10天出版1期；
栏目：进展、评述、快讯、论文、观点、科技前沿、科学访谈、亮点述评、悦读科学等；
《新锐期刊分区表》 综合性大类1区TOP期刊；
中国科技期刊卓越行动计划领军期刊；
入选2025年度世界一流科技期刊目录；
《中国科技论文与引文数据库》和《中国科学引文数据库》的源期刊，同时被EI、ESCI和Scopus等收录；
期刊官网：http://csb.scichina.com.
转载、投稿请留言
| 关注科学通报 | 了解科学前沿
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.
