上海交大团队推出CGformer：AI算法革新材料设计，助力新材料研发加速迈进

上海交通大学人工智能与微结构实验室（AIMS-Lab）李金金教授团队研发出新型AI材料设计算法CGformer，有望成为新一代材料研发的“加速器”。传统材料研发依赖长期实验试错，周期长、成本高。尽管AI技术为材料发现带来变革，但现有模型普遍存在“近视”问题——只能分析原子间的局部相互作用，难以捕捉决定材料性能的长程全局效应。 针对这一瓶颈，团队提出CGformer，首次将Transformer架构中的“全局注意力机制”引入晶体结构建模。该算法构建了一个“全息通讯网络”，使每个原子能一步与所有其他原子直接交互，突破局部信息传递的限制，从而全面捕捉晶体中远距离的物理关联。 为让AI理解晶体的物理本质，团队创新性地融合了空间编码、中心性编码和边编码，将原子位置、拓扑重要性及化学键特征融入模型，兼顾结构直观性与全局感知能力。在高熵钠离子固态电解质（HE-NSEs）这一极具挑战性的体系中，CGformer表现卓越：预测精度比传统CGCNN模型平均误差降低25%，并从14.9万个候选材料中精准筛选出18种高潜力结构。 实验验证显示，团队成功合成6种CGformer预测的顶级材料，均形成稳定单相NASICON结构，室温钠离子电导率达0.093至0.256 mS/cm，显著优于传统材料。这一从计算预测到实验验证的闭环成功，充分证明了算法的可靠性与实用性。 CGformer不仅提升了材料发现效率，更建立了一个可扩展、可迁移的智能研发框架，适用于固态电解质、正负极材料、热电材料、光催化剂等多种先进功能材料的探索。该成果标志着中国在“AI+材料”交叉领域正从应用走向源头创新，致力于解决基础性难题，贡献具有全球意义的“中国方案”。随着通用数据库与软件生态的不断完善，中国在这一前沿赛道上的影响力将持续增强。