新材料的研制是基础研究和应用基础研究相互融合促进的过程，往往需要经历化学性质改良和物理加工改进，是一种典型的试错性研发，经历周期往往较长。为了缩短研发周期，人工智能可以作为一个强有力的辅助工具，借助数据共享，对先进材料的物理化学性质进行预测、筛选，从而加快新材料的合成和生产。

国外研究人员成功利用人工智能技术推进了新材料的研发。例如，英国利物浦大学研究人员研发了一款机器人，可在8天内自主设计化学反应路线，完成688个实验，并找到一种高效催化剂来提高聚合物光催化性能，这项实验若由人工完成需花费数月时间。此外，日本大阪大学研究人员利用1200种光伏电池材料作为训练数据库，通过机器学习算法研究高分子材料结构和光电感应之间的关系，成功在1分钟内筛选出有潜在应用价值的化合物结构，传统方法则需5~6年时间。

人工智能要想更好地辅助新材料研发，仍面临一些挑战。比如，AI算法很难准确预测晶体结构，训练数据的可靠性仍有待理论方法的发展等。为了更好发挥学科交叉融合的乘数效应，除了需要算法不断改进外，理论计算化学的发展、材料性质表征手段的研发也应齐头并进。

信息来源：

https://news.china.com/international/1000/20210427/39518325.html