中国石油大学（北京）副教授周天航带领团队研发出名为“Cyber Academia-Chemical Engineering”的AI科研系统，打造了一个可自主演化的数字学术小镇，旨在推动人工智能在化工领域的深度应用。该系统突破传统AI仅能响应明确指令的局限，通过多智能体协作实现从问题发现到技术落地的全流程自主科研。 系统内设七类专业AI专家：分子设计、中试放大、工程验证、实验研发、理论机制、工艺安全与质量控制，它们在统一虚拟环境中持续交互，模拟真实科研团队的跨学科协作。不同于一般AI工具，该系统不仅能响应任务，更能主动识别潜在科学问题，探索人类尚未察觉的“暗知识”——即隐藏在数据背后的隐性关联。研究团队认为，这种从被动执行到主动探索的转变，或将催生全新的科研范式。 在初期运行中，系统虽展现出强大的协作潜力，但专家间频繁出现“幻觉”现象，即脱离技术核心、陷入空泛讨论。为解决这一问题，团队构建了三重知识增强机制：为每类专家配备领域专属知识库，结合检索增强生成、领域自适应微调与知识图谱技术，显著提升了响应的准确性与专业深度。实验表明，该机制使专家对话质量平均提升10%至15%，确保决策基于可验证的科学依据。 然而，跨领域协作仍面临挑战。不同专业背景的智能体因术语与概念差异，常出现沟通障碍，形成“语义鸿沟”。为此，研究团队引入“协作智能体”（CA），依托本体工程构建统一的知识框架，明确各领域概念间的逻辑关系，实现术语对齐与语义互通。这一设计有效弥合了分子设计与工艺安全、理论建模与质量控制之间的理解隔阂，使多智能体能在共享语义空间中高效协作。 周天航强调，该系统的核心价值不在于单一智能体的能力提升，而在于通过本体工程搭建“语义桥梁”，促成专家间的动态协同演化。当不同视角在统一认知框架下充分碰撞，原本孤立的知识碎片得以整合，催生出跨尺度、跨层级的创新路径。 值得一提的是，该团队背景深厚，负责人徐春明院士长期深耕石油石化领域，团队亦承担国家自然科学基金与中国科学院联合项目“低碳智慧化工”。周天航本人曾赴德国深造七年，归国后聚焦AI与化工融合。此前，团队已基于储能领域成果孵化出中海储能公司，推出全球首款铁铬液流电池垂类大模型FlowBD及“分子—电网工业智能体”。未来，该AI科研系统将落地于中海储能的实际产线，验证其在真实工业场景中的应用效能。 这一成果标志着AI在垂直科研领域的重大突破，不仅为化工研发提供智能化新引擎，也为其他高复杂度行业实现AI驱动的自主科学发现提供了可复制的技术范式。