编辑 | 2049
在数字化转型的背景下，人工智能技术正在从根本上改变化学与材料科学的研究范式。2024年，这场技术革新在多个领域展现其变革力量。
在分子设计领域，基于图神经网络（GNN）和 Transformer 架构的深度学习模型，结合分子动力学模拟，实现了分子性质的精确预测与优化。这些方法将传统的实验导向研发模式转变为数据驱动的智能设计范式，显著提升了新药研发效率和新材料设计的成功率。
基于机器学习的自动实验平台集成了高通量合成设备、在线表征系统和智能决策算法，通过贝叶斯优化等方法自适应调整实验参数，实现了全流程自动化。这不仅提高了实验的可重复性，也降低了危险化学品操作的安全风险。
在新材料发现方面，机器学习算法结合材料基因组数据库和高通量计算，成功预测并合成出新型钙钛矿太阳能电池材料、高性能储能材料等。AI辅助催化剂设计优化了工业过程的能源效率，推动绿色化学发展。
在材料表征领域，深度学习算法在电子显微镜图像分析、X射线衍射谱图解析等方面取得突破，实现了纳米尺度材料结构的快速表征与精确分析。这些智能分析工具能从海量实验数据中挖掘材料结构与性能的关联。
这些进展正推动化学与材料科学向智能化、精确化方向发展。随着算法模型的优化和实验技术的自动化，人工智能将在解决能源、环境、医疗等全球性挑战中发挥更加关键的作用。
接下来，ScienceAI 将回顾 2024 年 AI 在材料、化学领域的一些重要研究进展。
友情提示：点击小标题可直接访问文章
发现高能钠离子电池成分，机器学习简化最佳材料搜索过程
Science子刊，理解更真实的溶液，ML力场将速度提升六个数量级，更高效表征水分子时空关系
张璇、周光敏团队在随机退役条件下基于生成式学习的电池健康状态评估与可持续回收研究中取得新进展
准确率达95%，混合深度学习搜索纳米生物材料，登Nature子刊
LLM学习原子「结构语言」，生成未知化合物的晶体结构，登Nature子刊
打破GNN与语言模型间壁垒，图辅助多模态预训练框架用于催化剂筛选，登Nature子刊
6.85亿次AI加速模拟，分析2万种材料，Meta发布催化剂数据集OCx24
AI预测序列与催化性能的潜在关系，中国科学院、北师大设计合理酶变体，登Nature子刊
类GPT化学语言模型，9秒生成100种化合物，微软AI药物设计平台登Nature子刊
Nature 子刊，化学语言模型自动设计多靶点配体
1.1亿个结构DFT计算，Meta推出OMat24，AI驱动材料发现开源化
化学空间导航仪：流生成式AI引导分子属性控制
新「AI科学家」？MIT整合多智能体，实现材料科学研究自动化
机器学习辅助催化剂设计，天大团队开发通用且可解释的描述符
原子、分子、复合物级性质预测均最佳，清华分子预训练框架登Nature子刊
「可损伤编程设计」的超材料，上海交大团队用AI实现材料的自然抗裂机制
节省数年时间，AI发现更高效绿氢催化剂仅需几天，36,000多种混合金属氧化物训练
打开AI黑匣子，「三段式」AI用于化学研究，优化分子同时产生新化学知识，登Nature
分子大模型升级，Uni-Mol+加速量子化学属性预测，深势科技、北大研究登Nature子刊
数百万晶体数据训练，解决晶体学相位问题，深度学习方法PhAI登Science
准确率达60.8%，浙大基于Transformer的化学逆合成预测模型，登Nature子刊
「两全其美」，从头设计分子，深度学习架构S4用于化学语言建模
厦大团队材料预测迁移学习范式登Nature子刊，发现高性能催化剂
化学逆合成SOTA！上海交大团队提出SMILES对齐技术实现高效逆合成预测
斯坦福 AI 方法加速目标材料发现，为「自动驾驶实验」奠定基础
无需任何系统的物理知识，美国阿贡国家实验室AI制造材料「指纹」
性能强11倍，佐治亚理工、清华团队用AI辅助发现储能新材料，登Nature子刊
成本减少90%以上，「主动学习+实验工作流程」加速催化剂开发
Llama分子嵌入优于GPT，LLM能理解分子吗？这一局Meta赢了OpenAI
分子100%有效，从头设计配体，湖南大学提出基于片段的分子表征框架
生成准确率高达 95%，人工智能结合机器人技术增强可穿戴电子材料设计
自动识别最佳分子，降低合成成本，MIT开发分子设计决策算法框架
Hinton任顾问，「AI+材料」初创CuspAI宣布获得3000万美元种子轮融资
探索复合材料中的原子扩散，加州大学开发神经网络动力学方法
预测准确率达95.7%，ChatMOF利用LLM预测和生成金属有机框架
Science发文，量子计算机有望加速材料、催化剂和药物的开发
为百亿参数LLM化学应用提供新范式，香港理工大学提出上下文分子微调
六个自动化实验室联合AI，发现21种先进新材料，全程无人类参与
效率高、成本低，从单一结构到平衡分布，微软AI分子预测框架登Nature子刊
AlphaFold 3轻松应对核酸、脂类分子？科学家迫不及待地更新了评测
从材料设计合成，到催化剂创新、碳中和，清华王笑楠团队探索「AI+材料」前沿与落地
登Nature子刊，「机器人+AI+MD模拟」加速材料发现和设计，发现全天然塑料替代品
低成本、准确、稳健，各类分子通用，上海人工智能实验室开发MD模拟AI新方法
对25,000多个原子进行纳秒级MD模拟，DeepMind开发基于ML的大规模分子模拟通用方法
比手动快13倍多，「机器人+AI」发现电池最佳电解质，加速材料研究
化学能力超GPT-4，首个化学领域百亿级大模型，思必驰、上交大、苏州实验室联合发布
释放 LLM 进行复杂化学推理的能力，一种简单而有效的提示策略 StructChem
Nature子刊 | 由AI推动的探针化学反应，从自动化到智能化，清华联合NUS开发融合化学家知识的原子机器人探针
预测精度高达0.98，清华、深势科技等提出基于Transformer的MOF材料多功能预测框架
5天完成6个月实验量，加速催化研究，「自动驾驶」催化实验室Fast-Cat登Nature子刊
加速量子化学计算，字节&北大团队量子蒙特卡罗研究新进展登Nature子刊
Nature 子刊 | 动态可编程系统，能够制造、优化和发现新分子
大语言模型加速材料发现，普林斯顿大学团队利用 LLM 准确预测晶体特性
浙大团队发布 75 页科学 LLM 调查，重点关注生物和化学领域，指出七个未来发展方向
登Science，速度和准确性均超越人类化学家，且具独创性，AI自主化学合成机器人加速化学发现
Nature 子刊 | 化学家和机器人都可以读懂，用于机器人合成可重复性的通用化学编程语言
优于3D模型，成功率达90.6%，基于扩散的生成式AI从2D分子图探索过渡态
微软和 PNNL 合作研究，AI 发现的新材料可以减少电池中锂的使用
成功率提高四倍，东大、浙师大提出材料合成通用框架，整合 AI、高通量实验和化学先验知识
Nature子刊 | 通过视频去噪扩散模型进行非线性机械超材料逆向设计
发现、合成并表征303个新分子，MIT团队开发机器学习驱动的闭环自主分子发现平台