物理基础AI框架提升新材料预测可检验性

2026年，东北大学高级研究所李浩教授团队在《先进功能材料》期刊发表研究，正式提出物理基础材料人工智能框架。该框架旨在破解传统数据驱动型材料发现AI普遍存在的预测不可解释、外推可靠性不足及违背物理定律等核心瓶颈。研究指出，材料行为受热力学、动力学、电子结构等多重规律支配，仅依赖数据相关性已无法满足前沿研发需求。该框架将基础物理知识系统整合为先验知识、描述符、约束条件、验证器与基础设施五大模块，重构数据表征与模型推理逻辑，确保AI预测严格对齐材料科学基本原理。目前，该框架已在催化反应、固态电池电解质及储氢材料等领域展开验证，通过划定合理搜索空间并对接模拟与实验工具，显著提升预测结果的可解释性与可测性。团队同步规划技术演进路线，即从物理感知AI逐步迈向物理推理AI，最终实现集物理推演、仿真计算与实验验证于一体的物理自主AI。该体系标志着材料发现范式正由纯数据拟合向物理机制驱动转变，有望大幅加速清洁能源核心材料的精准研发与工程化落地。