AI for Science 作為科學(xué)發(fā)現(xiàn)的「第五范式」，正在開創(chuàng)一場全新的科研革命，在材料化學(xué)領(lǐng)域，這場變革尤為顯著。

告別傳統(tǒng)的「憑經(jīng)驗(yàn)+反復(fù)試錯(cuò)」模式，在智能驅(qū)動(dòng)的材料研發(fā)中，AI 在科學(xué)仿真、模型預(yù)測、高通量實(shí)驗(yàn)、自動(dòng)化表征等方面提供重要手段，可有效降低新材料研發(fā)成本，提高研發(fā)效率。

回望即將謝幕的 2024 年，材料化學(xué)領(lǐng)域在 AI 的加持下捷報(bào)頻傳，也涌現(xiàn)出越來越多的高價(jià)值研究成果。作為最早一批關(guān)注 AI for Science 的社區(qū)，HyperAI超神經(jīng)通過解讀前沿論文、不定期組織線上/線下學(xué)術(shù)分享等多元方式，致力于推動(dòng) AI for Science 的普適化。

在這辭舊迎新的節(jié)點(diǎn)，我們?yōu)榇蠹揖x并分類匯總了 2023-2024 年期間解讀的前沿論文，本期文章聚焦 AI 在材料化學(xué)領(lǐng)域的研究，點(diǎn)擊下方論文題目或中文解讀，即可跳轉(zhuǎn)論文解讀頁面，希望對(duì)您有所幫助。

01、論文題目：Machine-Learning-Assisted Compositional Design of Refractory High-Entropy Alloys with Optimal Strength and Ductility

中文解讀：突破1200°C高溫性能極限！北京科技大學(xué)用機(jī)器學(xué)習(xí)合成24種耐火高熵合金，室溫延展性極佳
研究內(nèi)容：北京科技大學(xué)團(tuán)隊(duì)整合機(jī)器學(xué)習(xí)、遺傳搜索、聚類分析和實(shí)驗(yàn)反饋的多目標(biāo)優(yōu)化框架，尋找具備最佳高溫強(qiáng)度和室溫延展性的耐火高熵合金。
發(fā)布期刊：Engineering, 2024.09

02、論文題目：Open Materials 2024 (0Mat24) Inorganic Materials Dataset and Models

中文解讀：幾乎覆蓋元素周期表！Meta 發(fā)布開源 OMat24 數(shù)據(jù)集，含 1.1 億 DFT 計(jì)算結(jié)果
研究內(nèi)容：Meta 發(fā)布開源數(shù)據(jù)集 OMat24 以及預(yù)訓(xùn)練模型 EquiformerV2，OMat24 數(shù)據(jù)集包含超過 1.1 億以結(jié)構(gòu)和成分多樣性為重點(diǎn)的 DFT 計(jì)算結(jié)果。

發(fā)布期刊：arXiv, 2024.10

03、論文題目：Universal Ensemble-Embedding Graph Neural Network for Direct Prediction of Optical Spectra from Crystal Structures

中文解讀：基于944種材料數(shù)據(jù)，日本東北大學(xué)聯(lián)合MIT發(fā)布GNNOpt模型，成功識(shí)別數(shù)百種太陽能電池和量子候選材料
研究內(nèi)容：日本東北大學(xué)和 MIT 研究人員推出了一種基于圖神經(jīng)網(wǎng)絡(luò)的 GNNOpt 模型，成功識(shí)別出 246 種超過 32% 太陽能轉(zhuǎn)換效率的材料，以及 296 種具有高量子權(quán)重的量子材料。
發(fā)布期刊：Advanced Materials, 2024.06

04、論文題目：Semi-supervised learning for explainable few-shot battery lifetime prediction

中文解讀：鋰電池壽命預(yù)測精度提升 20%！上海交大團(tuán)隊(duì)發(fā)布半監(jiān)督學(xué)習(xí)方法 PBCT，提取無標(biāo)簽數(shù)據(jù)中的隱藏信息
研究內(nèi)容：上海交通大學(xué)團(tuán)隊(duì)用半監(jiān)督學(xué)習(xí)技術(shù)預(yù)測電池壽命，預(yù)測精度提升 20%。
發(fā)布期刊：Joule, 2024.03

05、論文題目：ChemLLM: A Chemical Large Language Model

中文解讀：覆蓋 7 百萬問答數(shù)據(jù)，上海 AI Lab 發(fā)布 ChemLLM，專業(yè)能力比肩 GPT-4
研究內(nèi)容：上海人工智能實(shí)驗(yàn)室發(fā)布了化學(xué)大語言模型 ChemLLM，該模型可通過對(duì)話交互執(zhí)行化學(xué)學(xué)科的各種任務(wù)，在核心任務(wù)上的性能與 GPT-4 相當(dāng)，研究人員將結(jié)構(gòu)化化學(xué)知識(shí)融入對(duì)話系統(tǒng)，為開發(fā)各科學(xué)領(lǐng)域的 LLM 樹立了新標(biāo)準(zhǔn)。
發(fā)布期刊：arXiv, 2024.02

06、論文題目：*nterpreting Chemisorption Strength with AutoML-based Feature Deletion Experiments

中文解讀：加速催化劑設(shè)計(jì)，上海交大賀玉蓮課題組基于 AutoML 進(jìn)行知識(shí)自動(dòng)提取
研究內(nèi)容：上海交通大學(xué)密西根學(xué)院團(tuán)隊(duì)基于自動(dòng)機(jī)器學(xué)習(xí) (AutoML)，探索了哪個(gè)因素主導(dǎo)催化劑表面反應(yīng)物的化學(xué)吸附能，對(duì)催化劑設(shè)計(jì)優(yōu)化具有重要意義。
發(fā)布期刊：Proceedings of the National Academy of Sciences, 2024.03

07、**論文題目：**Multilevel design and construction in nanomembrane rolling for three-dimensional angle-sensitive photodetection

**中文解讀：**微電子加速邁向后摩爾時(shí)代！復(fù)旦大學(xué)梅永豐課題組集成 DNN 與納米薄膜技術(shù)，精準(zhǔn)分析入射光角度
**研究內(nèi)容：**復(fù)旦大學(xué)團(tuán)隊(duì)結(jié)合深度神經(jīng)網(wǎng)絡(luò)及納米薄膜組裝，開發(fā)了系列三維結(jié)構(gòu)光電探測器，可以實(shí)現(xiàn)對(duì)入射光角度的高精度預(yù)測，在可穿戴設(shè)備、智能家具和智能駕駛系統(tǒng)等領(lǐng)域極具潛力。
**發(fā)布期刊：**Nature Communications, 2024.04

08、**論文題目：**Neural-network density functional theory based on variational energy minimization

**中文解讀：**材料探索新紀(jì)元！清華大學(xué)徐勇、段文暉團(tuán)隊(duì)發(fā)布神經(jīng)網(wǎng)絡(luò)密度泛函框架，打開物質(zhì)電子結(jié)構(gòu)預(yù)測的黑箱！
**研究內(nèi)容：**清華大學(xué)團(tuán)隊(duì)提出神經(jīng)網(wǎng)絡(luò)密度泛函理論框架，克服傳統(tǒng) DFT 計(jì)算材料結(jié)構(gòu)耗時(shí)且復(fù)雜的缺點(diǎn)。
**發(fā)布期刊：**Physical Review Letters, 2024.08

09、**論文題目：**Retrosynthesis prediction with an interpretable deep learning framework based on molecular assembly tasks

**中文解讀：**山東大學(xué)開發(fā)可解釋深度學(xué)習(xí)算法 RetroExplainer，4 步識(shí)別有機(jī)物的逆合成路線
**研究內(nèi)容：**山東大學(xué)聯(lián)合電子科技大學(xué)團(tuán)隊(duì)共同開發(fā)了可解釋的深度學(xué)習(xí)算法 RetroExplainer，可以 4 步識(shí)別有機(jī)物的逆合成路線，給出易得的反應(yīng)物，為有機(jī)化學(xué)逆合成研究提供強(qiáng)力工具。
**發(fā)布期刊：**Nature Communications, 2023.10

10、**論文題目：**Water-dispersible X-ray scintillators enabling coating and blending with polymer materials for multiple applications

**中文解讀：**柔性復(fù)合材料新突破！河北大學(xué)研究團(tuán)隊(duì)利用創(chuàng)新 X 射線閃爍體開發(fā) 3 種新材料
**研究內(nèi)容：**河北大學(xué)聯(lián)合根特大學(xué)團(tuán)隊(duì)，開發(fā)了具有良好水分散性、對(duì) X 射線高度敏感的閃爍體，并利用水分散性閃爍體開發(fā)了 3 種材料。
**發(fā)布期刊：**Nature Communications, 2024.03

11、**論文題目：**A comprehensive transformer-based approach for high-accuracy gas adsorption predictions in metal-organic frameworks

**中文解讀：**有效識(shí)別 63 萬個(gè)三維空間構(gòu)型，清華大學(xué)牽頭發(fā)布 Uni-MOF 模型，預(yù)測 MOF 吸附能力
**研究內(nèi)容：**清華大學(xué)、美國加州大學(xué)河濱分校、北京科學(xué)智能研究院等團(tuán)隊(duì)，提出了一種三維金屬有機(jī)框架材料吸附行為預(yù)測的機(jī)器學(xué)習(xí)模型 Uni-MOF，用于預(yù)測各類工況下納米多孔材料對(duì)各類氣體的吸附性能。
**發(fā)布期刊：**Nature Communications, 2024.03

12、**論文題目：**Universal materials model of deep-learning density functional theory Hamiltonian

**中文解讀：**神經(jīng)網(wǎng)絡(luò)替代密度泛函理論！清華研究組發(fā)布通用材料模型 DeepH，實(shí)現(xiàn)超精準(zhǔn)預(yù)測
**研究內(nèi)容：**清華大學(xué)團(tuán)隊(duì)提出 DeepH 通用材料模型，可用于預(yù)測材料結(jié)構(gòu)和性質(zhì)，展示了構(gòu)建「材料大模型」的可行性。
**發(fā)布期刊：**Science Bulletin, 2024.06

13、**論文題目：**A generative artificial intelligence framework based on amolecular diffusion model for the design of metal-organic frameworks for carbon capture

**中文解讀：**33 分鐘生成 12 萬種碳捕捉候選材料，美國阿貢國家實(shí)驗(yàn)室發(fā)布生成式 AI 框架，加速 MOFs 創(chuàng)新
**研究內(nèi)容：**美國阿貢國家實(shí)驗(yàn)室發(fā)布生成式 AI 框架 GHP-MOFsassemble，能夠隨機(jī)生成并組裝新的 MOFs 結(jié)構(gòu)，篩選出高穩(wěn)定性的 MOFs 結(jié)構(gòu)，并測試其對(duì)二氧化碳的吸附能力。
**發(fā)布期刊：**Communications Chemistry, 2024.02

14、**論文題目：**Machine-Learning Assisted Screening Proton Conducting Co/Febased Oxide for the Air Electrode of Protonic Solid Oxide Cell

**中文解讀：**AI 篩選電池材料，廣州大學(xué)葉思宇院士開發(fā)可用于 P-SOC 材料預(yù)測的機(jī)器學(xué)習(xí)算法模型
**研究內(nèi)容：**廣州大學(xué)的研究人員建立了一種基于極限梯度增強(qiáng)算法的機(jī)器學(xué)習(xí)模型，可用于 P-SOC 空氣電極的篩選。
**發(fā)布期刊：**Advanced Functional Materials, 2023.12

15、**論文題目：**Material symmetry recognition and property prediction accomplished by crystal capsule representation

**中文解讀：**中山大學(xué)李華山、王彪課題組開發(fā) SEN 機(jī)器學(xué)習(xí)模型，高精度預(yù)測材料性能
**研究內(nèi)容：**中山大學(xué)團(tuán)隊(duì)開發(fā)了一款名為 SEN 的機(jī)器學(xué)習(xí)模型，可準(zhǔn)確感知固有晶體對(duì)稱性和材料結(jié)構(gòu)團(tuán)簇之間的相互作用。
**發(fā)布期刊：**Nature Communications, 2023.08

16、**論文題目：**Machine learning-assisted prediction of water adsorption isotherms and cooling performance

**中文解讀：**華中科技大學(xué)李松課題組，利用機(jī)器學(xué)習(xí)預(yù)測多孔材料水吸附等溫線
**研究內(nèi)容：**華中科技大學(xué)團(tuán)隊(duì)建立了一個(gè)兩步機(jī)器學(xué)習(xí)模型，訓(xùn)練 AI 通過材料的結(jié)構(gòu)參數(shù)預(yù)測水吸附等溫線參數(shù)和后續(xù)應(yīng)用性能。
**發(fā)布期刊：**Journal of Materials Chemistry A, 2023.09

17、**論文題目：**FlowLLM: Flow Matching for Material Generation with Large Language Models as Base Distributions

**中文解讀：**穩(wěn)定性材料生成效率提升300%！Meta FAIR發(fā)布材料生成模型FlowLLM，數(shù)據(jù)集覆蓋超4.5w種材料
**研究內(nèi)容：**Meta FAIR 實(shí)驗(yàn)室聯(lián)合阿姆斯特丹大學(xué)發(fā)布材料生成模型 FlowLLM，該模型生成穩(wěn)定材料的效率提升 300% 以上，生成 S.U.N. 材料的效率提高約 50%。
**發(fā)布期刊：**NeurIPS 2024, 2024.10

18、**論文題目：**Scaling deep learning for materials discovery

**中文解讀：**領(lǐng)先人類 800 年？DeepMind 發(fā)布 GNoME，利用深度學(xué)習(xí)預(yù)測 220 萬種新晶體
**研究內(nèi)容：**Google DeepMind 發(fā)布深度學(xué)習(xí)工具 GNoME，短時(shí)間內(nèi)就發(fā)現(xiàn)了 220 萬種新晶體，其中 38 萬種新晶體具備穩(wěn)定的結(jié)構(gòu)，可以成為研發(fā)的潛在材料。
**發(fā)布期刊：**Nature, 2023.11

19、**論文題目：**CMOS-Compatible Reconstructive Spectrometers with Self-Referencing Integrated Fabry-Perot Resonators

**中文解讀：**美國科學(xué)院院刊封面文章！中國團(tuán)隊(duì)發(fā)布可晶圓級(jí)生產(chǎn)的人工智能自適應(yīng)微型光譜儀
**研究內(nèi)容：**復(fù)旦大學(xué)團(tuán)隊(duì)提出了一種新的微型化重構(gòu)光譜儀設(shè)計(jì)，該光譜儀可以通過成熟的集成電路工藝進(jìn)行晶圓級(jí)制造，并具有毫米級(jí)尺寸，足以勝任大部分微型化光譜測試需求。
**發(fā)布期刊：**Proceedings of the National Academy of Sciences, 2024.08

20、**論文題目：**Fully forward mode training for optical neural networks

**中文解讀：**國產(chǎn)光芯片重大突破！清華團(tuán)隊(duì)利用神經(jīng)網(wǎng)絡(luò)，首創(chuàng)全前向智能光計(jì)算訓(xùn)練架構(gòu)
**研究內(nèi)容：**清華大學(xué)團(tuán)隊(duì)開發(fā)了一種全前向模式 FFM 學(xué)習(xí)方法，有望推動(dòng)深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)、超靈敏感知和拓?fù)涔庾訉W(xué)等領(lǐng)域的發(fā)展。
**發(fā)布期刊：**Nature, 2024.08

21、**論文題目：**Superstrength permanent magnets with iron-based superconductors by data- and researcher-driven process design

**中文解讀：**最強(qiáng)鐵基超導(dǎo)磁體誕生！科學(xué)家基于機(jī)器學(xué)習(xí)設(shè)計(jì)新研究體系，磁場強(qiáng)度超過先前記錄2.7倍
**研究內(nèi)容：**英國和日本科學(xué)家利用 AI 技術(shù)，成功制造出世界上已知最強(qiáng)的鐵基超導(dǎo)磁體。
**發(fā)布期刊：**NPG Asia Materials, 2024.06

22、**論文題目：**A simplified electrochemical model forlithium-ion batteries based on ensemblelearning

**中文解讀：**重塑鋰電池性能邊界，武漢理工大學(xué)康健強(qiáng)團(tuán)隊(duì)，基于集成學(xué)習(xí)提出簡化電化學(xué)模型
**研究內(nèi)容：**武漢理工大學(xué)團(tuán)隊(duì)提出了一種簡化電化學(xué)模型，可以對(duì)電極顆粒表面鋰離子濃度變化進(jìn)行精確預(yù)測，進(jìn)而預(yù)測電池電壓。
**發(fā)布期刊：**iScience, 2024.05

23、**論文題目：**Fill in the Blank: Transferrable Deep Learning Approaches to Recover Missing Physical Field Information

**中文解讀：**材料空間「填空解謎」：MIT 利用深度學(xué)習(xí)解決無損檢測難題
**研究內(nèi)容：**MIT 科學(xué)家用深度學(xué)習(xí)開發(fā)了一種技術(shù)，能夠通過有限的信息恢復(fù)材料中的缺失部分，并進(jìn)一步觀察表面確定材料的內(nèi)部結(jié)構(gòu)。
**發(fā)布期刊：**Advanced Materials, 2023.03

24、**論文題目：**Enhancing corrosion-resistant alloy design through natural language processing and deep learning

**中文解讀：**AI「反腐」，德國馬普所結(jié)合 NLP 和 DNN 開發(fā)抗蝕合金
**研究內(nèi)容：**德國馬克思普朗克鐵研究所將深度神經(jīng)網(wǎng)絡(luò) (DNN) 和自然語言處理 (NLP) 結(jié)合開發(fā)了進(jìn)程感知 DNN，用于探索不同元素對(duì)合金抗蝕性能的影響。
**發(fā)布期刊：**Science Advances, 2023.08

25、**論文題目：**A comprehensive machine learning strategy fordesigning high-performance photoanode catalysts

**中文解讀：**清華大學(xué)利用可解釋機(jī)器學(xué)習(xí)，優(yōu)化光陽極催化劑，助力光解水制氫
**研究內(nèi)容：**清華大學(xué)團(tuán)隊(duì)用機(jī)器學(xué)習(xí)優(yōu)化了 BiVO(4) 光陽極的助催化劑。
**發(fā)布期刊：**Journal of Materials Chemistry A, 2023.10

26、**論文原文：**Universal machine learning for the response of atomistic systems to external fields

**中文解讀：**中科大蔣彬課題組開發(fā) FIREANN，分析原子對(duì)外界場的響應(yīng)
**研究內(nèi)容：**化學(xué)系統(tǒng)與外場的相互作用至關(guān)重要，中國科學(xué)技術(shù)大學(xué)團(tuán)隊(duì)開發(fā)了場誘導(dǎo)遞歸嵌入原子神經(jīng)網(wǎng)絡(luò) (FIREANN)，可以準(zhǔn)確描述外場強(qiáng)度和方向的變化時(shí)、系統(tǒng)能量的變化趨勢，還能預(yù)測任意階數(shù)的系統(tǒng)響應(yīng)。
**發(fā)布期刊：**Nature Communication, 2023.10

以上就是本期匯總的 AI+材料化學(xué)前沿論文，更多 AI+生物醫(yī)藥、醫(yī)療健康、氣象海洋等論文匯總，我們下期再見。

來源: HyperAI超神經(jīng)