物理科学与工程学院、上海自主智能无人系统科学中心任捷教授团队在AI赋能的复杂多孔结构数字化设计领域完成了一项重要展望“AI-empowered digital design of zeolites: Progress, challenges, and perspectives”，近日发表在国际知名期刊《应用物理快报-材料》（APL Materials）上，并被编辑遴选为特色文章（Featured Article），阐述了该领域相应的研究进展、挑战及展望。

材料科学的发展经历了从最初的经验科学到基于模型的理论科学，再到计算科学的崛起，并随着实验和模拟数据的积累，数据驱动科学成为了第四范式。近年来，随着Transformer架构的提出，大语言模型的发展推动了以生成式AI为核心的智能科学成为材料科学的第五范式（如图1a）。该论文将AI在复杂多孔结构领域所取得的进展分为四个主要部分：性质预测、机器学习势、生成式逆向设计以及辅助实验合成（如图1b）。

图1、（a）材料科学的五个范式：经验科学、基于模型的理论科学、计算科学、数据驱动科学和智能科学；（b）AI在复杂多孔结构领域所取得进展的四个主要部分

此外，研究还进一步讨论了该领域所面临的挑战，并提出了复杂多孔结构数字化设计的未来平台蓝图，包含沸石GPT（ZeoGPT）、量子材料计算、高通量合成以及沸石元宇宙（如图2）。通过与人类智能的间接交互，ZeoGPT可以预测属性、生成假想多孔结构及设计实验流程等，并结合量子材料计算与高通量合成实现高效探索。而直接交互部分可以通过沸石元宇宙实现，在虚拟世界中模拟实验与计算仿真并行。最终该平台将进一步推动人机协作，提高复杂多孔结构设计效率。

图2、复杂多孔结构数字化设计的未来平台蓝图，包括与人类智能的间接相互作用部分：ZeoGPT、量子材料计算和高通量合成，以及直接相互作用部分：沸石元宇宙

同济大学智能科学与技术交叉学科博士研究生吴梦凡为论文第一作者，任捷教授为第一通讯作者，上海交通大学张诗宜教授为第二通讯作者。近年来，任捷教授团队在物理学与人工智能的学科交叉方面取得了一系列进展，已经发表了多篇高水平成果，包括基于流形扩散的无监督学习对拓扑声子物态的分类、多目标优化的二维功能材料与器件设计、辐射制冷人工微结构设计、神经网络自编码逆向设计拓扑光学传感结构、基于伪逆学习的光电混合的神经网络等，相关成果形成了一套具有自主知识产权的计算机软件著作权Darwin Machine for Multi-Functional Meta-Crystal Design Platform。

论文链接：https://pubs.aip.org/aip/apm/article/13/2/020601/3333679