由弗林德斯大学领衔、阿联酋哈利法大学参与的国际研究团队，成功开发出一套基于人工智能的材料发现平台。该系统被誉为“智能材料发现引擎”，能大幅缩短新型半导体及电子材料在实验室或计算机模拟中的测试与筛选周期。传统上，面对数百万种可能的材料组合，逐一进行物理测试或复杂模拟不仅耗时漫长且成本高昂。 团队负责人、弗林德斯大学的阮维庆副教授指出，该系统并非盲目随机搜索，而是通过机器学习挖掘控制含镓材料行为的隐藏化学规律，进而预测具备预期电子特性的全新材料成分。研究以镓为基础元素，针对其在微波电路、高速开关及红外电路中已证实的高效性，利用国际材料库中数千种已知半导体数据进行训练。系统采用贝叶斯优化算法，在持续寻找 promising 新型含镓材料的同时，自动规避化学上不可能存在的组合。 该系统的核心优势在于其严格的验证机制。在推荐候选材料前，系统会先评估其化学合理性与物理稳定性，有效避免了无效实验，加速了通往实验验证的路径。研究已成功生成多种数据库中未曾存在的新型含镓半导体候选物。研究特别聚焦于“带隙”这一关键属性，它决定了半导体与电及光的相互作用方式。不同的带隙适用于不同技术领域：小带隙利于太阳能收集，中带隙适用于发光二极管及光学器件，而大带隙则是高功率电子及抗辐射系统的核心需求。这一突破标志着人工智能在加速未来半导体技术迭代方面取得了实质性进展。