人工智能能否助力发现下一代超导体？MIT与三星研究者给出肯定答案

如果一个人工智能系统能够提出一种在室温下实现零电阻导电的新材料配方——这将是量子计算和下一代电网的圣杯——会怎样？

这正是研究人员通过将大型语言模型与物理定律相结合的新工具逐步接近的目标，确保其建议不仅在文本中看起来合理，而且能在实验室中经受住检验。

麻省理工学院的科学家们推出了SCIGEN框架，旨在引导生成式AI设计具有特殊性质的材料。该系统可以提出候选化合物，这些化合物可能表现出拓扑相、异常磁行为或比当今已知材料更高温度的超导性。与经常幻想出不可能分子的传统AI方法不同，SCIGEN整合了物理和化学先验知识，使生成过程立足于现实。

<span data-mce-type=”bookmark” style=”display:inline-block;width:0px;overflow:hidden;line-height:0″ class=”mce_SELRES_start”></span>

这个方向之所以令人兴奋，是因为可能的材料空间极其庞大，而试错发现过程缓慢且昂贵。麻省理工学院研究人员认为，通过将生成模型与科学约束相结合，科学家可以更高效地探索该空间中具有前景的区域。

研究团队在公告中表示：“人工智能可以生成并筛选既新颖又物理可行的候选材料，从而取代手动筛选数千种假设化合物的过程。”

三星研究人员的并行努力从不同角度解决了同一问题。这家科技巨头最近的论文《通过物理感知拒绝采样对齐材料发现推理大模型》描述了一种名为PaRS的方法。

PaRS并非在前端引导生成，而是过滤大型语言模型产生的推理轨迹，丢弃任何违反已知物理定律或超出经验界限的结果。该方法在量子点LED等器件配方的测试中提高了准确性，并减少了“物理违规”。

SCIGEN和PaRS共同体现了“面向科学的物理感知AI”这一更广泛的趋势。生成模型可以构想人类研究人员可能从未考虑过的结构，但若不加以约束，它们经常会产生无意义的结果。通过嵌入领域约束——无论是通过引导生成还是拒绝采样——这些新系统旨在确保创造力与现实相锚定。

其回报可能非常深远。在量子计算领域，具有稳定量子相的奇异材料对于构建可扩展量子比特至关重要；在能源领域，新型催化剂可使氢气生产更清洁、更廉价；在电子领域，新型半导体可能突破硅材料的极限。如果SCIGEN或PaRS能够帮助发现哪怕少数可行的候选材料，其影响都将在各行业产生涟漪效应。

目前，这两种方法仍处于早期研究阶段。SCIGEN在生成符合理论预测的候选材料方面已展现出潜力，而PaRS则降低了器件性能预测的错误率。但两者的结合——既能提出材料又能严格筛选的AI系统——预示着一个未来：发现过程将不再依赖运气，而是由机器引导设计加速推进。

通用智能通讯

由生成式AI模型Gen讲述的每周AI之旅 您的邮箱
立即获取！
立即获取！