AI驱动文献挖掘加速耐高温无铅介电材料发现

近日，首尔大学工学院张镐元教授团队在《自然·通讯》发表成果，成功利用人工智能技术逆向设计并验证出两款高温稳定的无铅电介质材料。该团队将多模态文献挖掘与物理信息机器学习相融合，自动从448篇文献中提取成分、工艺及性能数据，构建包含1202条记录的训练集。研究团队据此在约1.5亿种虚拟组分空间中进行搜索，结合物理描述符与多模型预测一致性校验，将候选范围精准缩减至37种，最终合成并验证了两种掺锡量为1%和2%的无铅电介质材料。实验证实，这两类材料在宽温域内保持逾3300的高介电常数，温度稳定性显著提升，全面符合X5R至X7R国际标准，性能优于传统钛酸钡。微观机理表明，微量锡元素通过扩展晶格并增强原子尺度电学非均匀性，有效提升了高温稳定性。该研究成功将材料研发从传统试错法转向数据驱动模式，不仅为电动汽车、电力电子及航空航天领域的高温片式陶瓷电容器提供了关键新材料，所建立的AI辅助发现范式未来亦有望广泛拓展至各类功能氧化物及薄膜材料的开发中。