人类日报，北京，5月26日（记者Li Yihuan）认为，在人工智能的指导下，新材料的未来研究和开发可能就像建立区，并结合在一起并迅速证明。最近，一项对天津大学和西南北港大学联合团队的新研究使这一想法成为现实。 研究团队将人工智能大语模型（LLM）与遗传算法（GAS）结合在一起，并补充了超快速的实验技术，以成功地开发出令人不安的催化剂筛选框架。相关结果最近发表在国际杂志高级能源材料上。 据报道，在传统的材料研究和开发中，获得5种金属元素的组合为例，90个金属元素的选择可以产生超过4300万种组合。如果筛查以每天10个样本的常规速度完成，则大约需要12,040个才能完成筛选。 “爆炸的组合”问题严重阻碍了开发新材料的过程。 面对这一挑战，即“在干草堆中寻找针头”的挑战，研究团队首先使用大型语言模型的强大文学审查能力来准确铂金（PT）基于高的高 - 肠合金。随后，实验由遗传算法指导，最佳催化剂IRCUNIPDPT/C仅锁定在4个迭代中（总共24个样品）。与传统的遗传算法相比，实验数量减少了60％。 “ AI就像一个经验丰富的'Navigtigator'，他很快从大量信息中找到了方向，而自动实验就像'加速器'，这使验证过程可以快速继续。”天津大学的研究人员陈亚南（Chen Yanan）解释说，这种双重“ AI+实验”所驱动的方法不仅压缩了从“千年”到“时间”到“时间”，而且还会降低ED实验样本量从数万到24倍，完全节省了研究和资源。 西南吉奥孔大学副教授李·金宁（Li Jinyang）表示，这项研究不仅使对方的革命性崩溃在高效率的氢进化催化剂效率发展中，而且还展示了人工智能在促进新材料发现的巨大潜力，并为智能设计和更加复杂的未来材料打开了新的途径。 （编辑：Hao Mengjia，Xiong Xu） 分享让许多人看到