AI科学家诞生！MIT成果登Nature，90天改写材料科学

type

status

date

slug

summary

引言

材料科学的进步是现代科技发展的基石，但新材料的研发过程往往漫长、昂贵且充满不确定性。科学家们需要在近乎无限的化学设计空间中进行探索，如同大海捞针。然而，一项发表在国际顶级期刊《Nature》上的研究，正宣告这一传统模式的颠覆。美国麻省理工学院（MIT）李巨团队开发的人工智能科学家——CRESt平台，在短短90天内完成了3500次电化学测试，发现了一种性能卓越的新型催化剂，为我们揭示了AI驱动科学发现新纪元的壮丽图景。这不仅是一项技术突破，更是大模型技术迈向科学应用，甚至走向专用AGI的重要一步。

解构CRESt：不止于数据的多模态AI科学家

传统的材料发现方法严重依赖于科学家的直觉和试错，即便引入机器学习，也大多局限于处理单一类型数据（如化学成分与性能的关系）的单模态框架。这种方式忽略了大量宝贵的非结构化信息，如科学文献中的知识和材料的微观结构图像。

CRESt（Copilot for Real-world Experimental Scientists）平台的革命性在于其多模态的“思考”方式。它像一个真正的科学家一样，能够综合处理和理解不同来源的信息：

融合文本知识的大语言模型（LLM）：CRESt能够“阅读”海量科学文献，将人类积累的化学知识嵌入到其搜索算法中，从一开始就拥有了更高的起点。这与OpenAI开发的ChatGPT等模型在理解和生成文本上的能力一脉相承，但CRESt将其应用于更垂直的科学领域。

分析微观结构的计算机视觉：通过高通量扫描电子显微镜，CRESt能够“看见”合成材料的微观结构，并利用计算机视觉模型进行分析，将这些视觉信息量化为指导优化的关键特征。

高通量自动化实验平台：一个不知疲倦的机器人系统，负责精确地执行化学配方的合成与测试，确保了实验数据的高效和标准化采集。

知识辅助的贝叶斯优化（KABO）：这是CRESt的“大脑”。它将来自文本、化学成分和微观图像这三种不同模态的数据进行向量化处理，并智能地指导下一步实验应该尝试哪种配方，从而在庞大的设计空间中高效地找到最优解。

通过这种方式，CRESt在材料的设计、制备和测试之间形成了一个高速、智能的闭环，极大地压缩了研发周期。

诊断现实世界的混乱：AI的“火眼金睛”

实验室里最大的敌人之一，就是“不可重复性”。即便是最精密的机器人，也可能因为环境的微小变化或设备损耗而产生数据噪声，严重影响学习效率。CRESt项目直面这一挑战，并给出了一个极具创新性的解决方案：利用视觉-语言模型（VLMs）来诊断和纠正实验错误。

这个AI助手就像一位经验丰富的实验员，通过摄像头持续观察实验过程，并能发现人类难以察觉的细微问题：

案例一：移液枪尖的微米级错位。模型通过分析图像发现，一个微小的定位偏差导致碳纸基底发生偏移，进而影响了所有样品的精确位置，造成了系统性误差。

案例二：被炭化的木质夹具。VLM识别出用于固定样品的激光切割木质夹具表面存在炭化痕迹，这会导致夹具尺寸在多次使用后发生变化，影响实验的稳定性。

更关键的是，VLM不仅能“看到”问题，还能用科学家能理解的自然语言生成诊断报告和改进建议，例如建议将木质夹具更换为更稳定的不锈钢夹具。这种强大的诊断能力，展示了AI从执行者到监督者和合作者的角色转变，大大减少了人工干预的需求。

惊人成果：性能飙升9.3倍的新型催化剂

理论的先进最终要靠成果来检验。CRESt在短短三个月内，探索了900多种不同的催化剂化学组成，完成了超过3500次电化学测试。最终，它发现了一种由钯(Pd)、铂(Pt)、铜(Cu)、金(Au)、铱(Ir)、铈(Ce)、铌(Nb)和铬(Cr)组成的八元高熵合金催化剂。

这一发现具有里程碑式的意义：

性能巨大飞跃：与传统的纯钯基准催化剂相比，这种新型合金的单位成本功率密度提高了惊人的9.3倍。

贵金属用量更少：在直接甲酸盐燃料电池应用中，它仅需以往四分之一的贵金属负载量，就实现了目前已知的最高性能。

结构保持稳定：X射线衍射分析确认，尽管混合了八种元素，该合金依然保持了稳定的单一面心立方相结构，兼具了性能优化与结构稳定性。

这一成果不仅为燃料电池技术带来了突破，更雄辩地证明了CRESt平台在探索广阔而复杂的化学空间方面的强大能力。

从“是什么”到“为什么”：AI揭示催化机理

一个顶级的科学家不仅要发现新现象，更要理解其背后的原理。CRESt同样展示了这种深度洞察力。研究团队利用原位X射线吸收光谱（XAS）和密度泛函理论（DFT）计算，在AI的辅助下，揭示了新催化剂性能提升的内在机理。

分析表明，高熵合金的优越性主要源于其独特的电子结构。多种金属元素的协同作用，使得核心催化元素钯的d带中心明显下移。这个看似微小的电子结构变化，却带来了巨大的宏观效应：它减弱了催化剂表面对一氧化碳（CO）等“毒性”中间产物的吸附强度，从而极大地提升了其抗中毒能力和整体催化效率。这一理论预测也得到了后续实验的验证。

CRESt不仅找到了“是什么”（what），还帮助科学家理解了“为什么”（why），真正实现了从数据驱动发现到知识驱动创新的跨越。

结论：开启由AI驱动的科学发现新纪元

MIT的CRESt平台是人工智能赋能科学研究的一个典范。它通过整合多模态大模型、自动化机器人和先进的优化算法，构建了一个可推广的蓝图，将原本遥不可及的庞大化学设计空间变得触手可及。从智能设计、自主实验、故障诊断到机理揭示，CRESt展示了AI作为科学家得力助手的巨大潜力。

这不仅仅是一个关于新材料的故事，它预示着一个科学发现范式的深刻变革。未来，类似的AI系统将被部署在更多领域，从药物研发到能源科学，加速人类知识边界的拓展。这仅仅是AI变革科学研究的冰山一角。想要获取更多前沿的AI资讯和深度解读，敬请关注AI门户网站 AIGC.bar。