新加坡国立大学数学系李千晓副教授团队近日开发出新型人工智能方法，能够直接从微观数据中提取隐藏变量与宏观规律，有效破解材料科学中的计算瓶颈。该成果已发表于《Physical Review Materials》期刊，并在2026年国际机器学习会议及arXiv平台亮相。 传统材料模拟需追踪海量原子相互作用，计算成本高昂且难以实现。新团队研发的两项核心技术对此提出系统性解决方案。其一，模型仅需基于小规模粒子系统的模拟数据，即可精准捕捉集体行为的关键隐含变量，进而准确预测包含数十万原子的超大体系演化轨迹，团队已为其提供严格的数学证明并在生物种群与模拟合金中完成验证。其二，针对流体、聚合物等微观成分无序排列的体系，AI通过识别粒子整体分布模式进行建模，实现结果对粒子标记顺序的无关性，确保物理规律的自洽。 该方法具备显著的可扩展性与灵活性，无需重复运行高耗能模拟即可推断远超训练规模的宏观行为。李千晓表示，该框架以极低算力成本保留系统核心物理特性，未来将融合介观尺度实验数据，打造高效AI工具，大幅加速新能源、电子器件及高端制造领域的新材料研发进程。