材料逆向工程是「已知性能、寻找配方」的问题,与药物研发的「已知靶点、寻找分子」在数学上同构。它的独特之处在于:材料数据库是公开的且极其庞大,这使得它成为 AI 材料科学中最早取得可验证成果的方向。

一、2010-2015:从高通量筛选到数据驱动假设
2010 年前后,高通量计算筛选改变了材料发现的节奏:通过计算模拟在数万种候选配方中预筛,再对少量结果做实验验证。但纯计算的筛选受限于计算资源的规模,真正的瓶颈在于能模拟的化合物数量与真实材料空间相比仍然极小。同一时期,数据驱动方法的尝试出现:用历史发表材料的组成与性能数据训练模型,预测候选配方的性能区间。这一阶段的清醒认识是:数据驱动方法的价值不在替代计算筛选,而在把计算资源集中到最有希望的候选上。
2010 年前后的高通量计算筛选把材料发现的瓶颈从「想法」转向了「计算吞吐」,计算资源的分配成为实验室的核心问题。同一时期第一性原理模拟的成本居高不下,一个候选体系的完整计算往往需要数万核时。这一阶段也确立了材料学的另一个长期特征:实验周期以月计,因此任何计算预测的价值都要用实验验证来兑现。数据库的缺失同样明显:已发表材料的数据格式互不兼容,机器学习几乎无从起步。
二、2016-2021:公开材料数据库与图神经网络
2016 年前后,几个大型公开材料数据库的建成使研究界第一次有了统一格式的百万级材料数据。2018 年后,图神经网络被用于表示材料的原子结构图,成为该领域的主流方法。同一时期出现了把元素周期表与晶体结构作为先验知识的架构设计,试图让模型具备物理直觉。一个被明确指出的问题是数据偏差:数据库只收录已被发表的材料,因此模型倾向于预测已知化合物的类似物,真正的新颖结构反而难被发现。2016 年前后,几个超大规模材料数据库上线,统一了计算材料的表示格式与性质标注。
2018 年后的图神经网络方法成为主流,晶体结构天然是图,这使得结构到性质的映射可以直接学习。同一时期元素嵌入与周期表先验被引入架构,试图让模型理解元素间的化学关系而非纯统计关联。一个被明确指出的偏差是发表偏差:数据库只包含被发表的材料,模型因此难以提出真正新颖的组成。
三、2020-2023:结构生成与实验验证闭环
2020 年前后,生成模型被用于逆向设计:给定目标性能,生成满足约束的晶体结构,改变了「先合成再理解」的传统流程。2021 年后,结合性质预测与生成的方法能同时优化多个目标,例如带隙强度与形成能之间的权衡。同期出现的高通量机器人实验室把生成结果直接送进合成验证,形成设计-合成-表征的闭环。值得注意的是失败样本的价值:闭环会持续产出实验失败的结构,这些数据反过来用于改进生成模型。
2020 年前后,生成模型被用于从目标性质反向生成晶体结构,设计的自由度显著提升。2021 年后,多目标联合优化成为主流,可以同时权衡带隙、形成能与稳定性等相互制约的指标。同期机器人实验室把生成结果直接送入合成,闭环迭代周期被压缩到数天。值得注意的是闭环中的失败样本价值:大量实验失败数据反过来用于改进生成模型,这是纯粹计算方法无法获得的信息。
四、2023-2025:从新材料发现到工艺参数优化
2023 年后,重心从「找到新材料」扩展到「把已知材料造出来」:合成路径、反应条件与工艺参数的优化成为独立问题。这一转变的实际价值可能更高 —— 很多已知材料因工艺窗口狭窄而无法量产,优化工艺往往比发现新材料更快见效。同期开源大模型与算力可及性的改善,让材料研究的数据基础从少数机构私有数据转向社区共享。到 2025 年的整体判断是:AI 在材料领域的定位已从辅助工具变成标准研究环节,但全流程自动化尚未实现。
2023 年后,重心从发现新材料转向优化已知材料的制造工艺,把合成路径与反应条件作为独立优化问题。这一转向的实际价值被广泛认为高于发现新材料本身,因为许多已知材料因工艺窗口狭窄而无法量产。同期开源模型与算力可及性的改善,使社区共享的数据底座成为可能,改变了过去依赖机构私有数据的研究模式。2024 至 2025 年间的整体判断是:AI 已是材料研究的标准环节,但全流程自动化尚未实现,实验仍是闭环中不可替代的一环。
资料来源
- Materials Project / OQMD 等公开材料数据库的论文与数据发布
- Xie & Grossman, Crystal graph convolutional neural networks, 2018
- Jin et al., Learning inverse design from grand-scale database, ACS Cent Sci 2019
- A-Lab 自动化材料实验室的公开工作报告 2023