沈洁, 黄明浩, 张晗宇, 徐圣航, 杨鑫, 汤慧萍
材料科学具有数据密集型和知识密集型特征,其研发过程涉及组分、工艺、组织、结构与性能等多个方面。传统依赖经验积累和实验验证的研发模式,已经很难跟上新材料快速迭代的节奏。近年来,人工智能技术在材料领域中的应用不断增多,其发展也经历了从传统机器学习、深度学习到通用基础大语言模型的变化,这一技术跃迁推动了材料研发由“数据驱动”向“知识驱动”转变。然而,通用大语言模型虽然具有较强的信息处理和语言生成能力,但对材料领域专业知识的掌握仍然不够充分,在科学推理、专业文献理解以及材料设计等复杂的科研任务中还存在很大局限。基于这一背景,材料垂域大语言模型开始受到关注,它通过持续预训练、知识增强、多模态融合及科研智能体等关键技术,将材料专业文献、数据库与行业知识进一步引入通用基础模型中,使得模型能够更好地处理材料知识理解、科学推理、生成式材料设计和科研辅助等任务,也为材料智能研发提供了新的思路。本文围绕“人工智能+材料”的发展历程,对其5个阶段进行了系统回顾,并结合国内外相关研究,对具有代表性的材料垂域大语言模型进行了梳理;在此基础上归纳了以AI-ready数据构建、基础模型适配、领域知识增强、多模态融合和Agent为核心的技术构建范式;同时分析了数据体系建设、科学推理能力、多模态理解及模型可信性等方面面临的关键挑战;最后结合Materials Agent和AI Scientist的发展,对材料智能研发未来可能的发展方向进行了讨论。