近日，中國科學院西安光機所光譜成像技術研究室在人工智能與材料科學交叉研究領域取得進展。團隊綜述論文發表于Advanced Functional Materials（中國科學院一區Top，IF=19）。西安光機所為第一完成單位，西安光機所張磊研究員為第一作者兼通訊作者，西安光機所王荃研究員為通訊作者，共同完成論文撰寫與組織工作。
當前，人工智能技術的快速發展正深刻改變科研方式與范式。以大語言模型（Large Language Models, LLMs）為代表的新一代智能模型，憑借復雜信息理解、推理及知識整合能力，已從傳統計算工具演進為輔助甚至指導科研的智能系統，為材料科學、光學傳感探測、工程技術科學等領域研究提供了全新技術支撐與思路。
文章全面總結了大語言模型在材料科學領域的核心能力與應用場景，涵蓋材料知識問答、文獻知識抽取、合成路線解析、材料性質預測、逆向設計以及與密度泛函理論（DFT）、晶體結構預測（CSP）等傳統材料計算方法的協同應用；重點介紹了通用型語言模型與材料領域專用模型（如MatBERT、MatSciBERT、LLaMAT等）的發展現狀，展示了大模型在金屬、陶瓷、高分子、能源材料及催化劑等多類材料體系中的實際應用案例。
圖 大語言模型及其在材料科學中的基礎框架與應用概覽
圍繞“LLM 賦能材料設計”前沿方向，文章明確了大語言模型在材料研究中的三類關鍵作用：
（1）知識獲取與結構化：從大規模文獻中自動抽取材料組成、工藝條件與性能指標，實現材料數據庫的高效構建；
（2）輔助設計與智能推理：通過語義理解與生成能力支持材料設計、性質預測與實驗規劃；
（3）自主科研系統的核心組件：作為檢索增強生成（RAG）、科學智能體（Science Agents）和自驅動實驗系統（Self-Driving Labs）的認知核心，實現材料研發流程的智能化與自動化。
同時，文章還展望了融入物理規律的材料大模型架構（Physics-Informed Transformers）、多模態材料模型構建、跨尺度知識融合以及面向智能實驗平臺的自動化控制體系等，為材料智能研究提供了明確的發展路徑和技術藍圖。
西安光機所光譜成像技術研究室在光學信息處理、人工智能、材料智能設計等交叉方向持續開展系統研究，并取得一系列重要成果。此次文章發表進一步完善了研究所在“AI+材料”研究方向的布局，對促進人工智能在材料科學領域的深度應用具有積極意義。
