人工智能正在彻底改变科学家发现和设计新材料的方式。东北大学的研究团队在《德国应用化学》发表综述指出，大型 AI 模型正重塑催化剂的研发模式，为清洁能源和可持续发展技术带来更快、更智能的创新。催化剂是加速化学反应的关键材料，广泛应用于燃料电池、污染控制和制氢等领域。传统研发依赖反复试验，往往耗时数年且资源消耗巨大。 新策略通过整合高质量催化剂数据库、通用机器学习原子间势函数（MLIPs）和大型语言模型（LLMs），实现了在材料合成前预测其性能。MLIPs 能高效、精准地模拟原子行为，而 LLMs 则可分析科学文献并辅助设计新方向。这些工具将概念、计算与实验验证结合，形成统一的数据驱动工作流程。研究人员不再逐一测试材料，而是通过大规模模拟快速筛选最有潜力的设计，甚至让 AI 系统自主规划后续实验，形成自我优化的学习闭环。 东北大学杰出教授李浩表示，将通用 AI 模型与领域知识及自动化相结合，标志着催化剂发现正从缓慢的增量过程转变为持续加速的进程，有望大幅缩短从科学洞察到实际应用的周期。未来团队计划构建完全集成的 AI 闭环平台，使预测、合成、测试与学习在连续反馈中运行，从而减少资源浪费并提升突破概率。此外，该策略还将扩展至电池、储氢材料等关键领域，旨在构建跨学科的数字材料生态系统。这一综述不仅确立了李浩在该领域的领先地位，也预示着催化剂材料发现正迈入一个速度不断攀升的新时代。