研究人員開發(fā)了一個(gè)AI for Science（人工智能科學(xué)應(yīng)用）框架，該框架能夠提取并融合跨學(xué)科專家知識(shí)與實(shí)驗(yàn)數(shù)據(jù)，以加速合金發(fā)現(xiàn)和科學(xué)洞察。

高熵合金是具有挑戰(zhàn)性應(yīng)用領(lǐng)域中極具前景的先進(jìn)材料，但由于可能存在的元素組合數(shù)量龐大，發(fā)現(xiàn)有用的組成成分既困難又昂貴。如今，研究人員開發(fā)了一種新穎的AI驅(qū)動(dòng)框架，該框架整合了實(shí)驗(yàn)數(shù)據(jù)、計(jì)算模型以及從科學(xué)文獻(xiàn)中提取的跨學(xué)科專家知識(shí)。通過(guò)以一種考慮不確定性的方式結(jié)合這些來(lái)源，他們的方法即使對(duì)于研究較少的合金組成也能做出可靠預(yù)測(cè)，超越了僅依賴訓(xùn)練數(shù)據(jù)的傳統(tǒng)數(shù)據(jù)驅(qū)動(dòng)機(jī)器學(xué)習(xí)方法。

高熵合金是指由五種或五種以上元素以接近等原子比例(通常各元素含量在5-35%之間)混合而成的合金體系。與傳統(tǒng)合金以一兩種元素為主、其他元素為輔的設(shè)計(jì)理念截然不同。熵是衡量系統(tǒng)混亂度的物理量，當(dāng)多種元素以接近等比例混合時(shí)，系統(tǒng)的混合熵顯著增高，因此得名"高熵合金"。

研究提出了一個(gè)將材料數(shù)據(jù)與AI提取的科學(xué)知識(shí)相集成的混合框架，實(shí)現(xiàn)了不確定性感知的發(fā)現(xiàn)。關(guān)于合金中元素替代的證據(jù)來(lái)自兩個(gè)獨(dú)立來(lái)源：材料數(shù)據(jù)集，其中具有匹配性能的合金對(duì)表明可替代的元素；以及通過(guò)五個(gè)科學(xué)領(lǐng)域查詢的大語(yǔ)言模型。這些"證據(jù)流"使用Dempster-Shafer理論進(jìn)行組合，以評(píng)估候選合金，同時(shí)明確量化預(yù)測(cè)置信度與不確定性，引導(dǎo)研究人員指向有前景的候選者，同時(shí)標(biāo)記出現(xiàn)有知識(shí)不足的區(qū)域。

現(xiàn)代技術(shù)的進(jìn)步依賴于先進(jìn)材料，例如用于飛機(jī)發(fā)動(dòng)機(jī)的合金以及能夠在工業(yè)環(huán)境中抵抗腐蝕和高溫的組件。在此背景下，高熵合金已成為材料科學(xué)中最有前景的研究領(lǐng)域之一。通過(guò)將近等量的幾種元素結(jié)合，這些材料能夠?qū)崿F(xiàn)卓越的強(qiáng)度、穩(wěn)定性和耐久性。然而，發(fā)現(xiàn)有用的高熵合金極其困難和昂貴，因?yàn)槊吭黾右粋€(gè)元素都會(huì)急劇增加可能組合的數(shù)量。隨著對(duì)可持續(xù)能源技術(shù)和下一代電子產(chǎn)品需求的增長(zhǎng)，加速先進(jìn)材料的發(fā)現(xiàn)變得越來(lái)越緊迫。

全球研究人員已轉(zhuǎn)向人工智能(AI)作為材料研究的強(qiáng)大助手——但這也有其局限性。大多數(shù)機(jī)器學(xué)習(xí)模型擅長(zhǎng)插值，即能夠?qū)εc其訓(xùn)練數(shù)據(jù)中已有材料相似的材料做出預(yù)測(cè)。當(dāng)研究人員超越熟悉的領(lǐng)域并考慮真正新穎的組成時(shí)，模型的準(zhǔn)確性會(huì)下降。與此同時(shí)，關(guān)于元素在高熵合金中如何相互作用和相互替代的數(shù)十年專家知識(shí)分散在科學(xué)文獻(xiàn)中，沒(méi)有明確的方法將這些專業(yè)知識(shí)整合到數(shù)據(jù)驅(qū)動(dòng)的AI工具中。

在此背景下，由日本先進(jìn)科學(xué)技術(shù)研究所(JAIST)的Hieu-Chi Dam教授領(lǐng)導(dǎo)的研究團(tuán)隊(duì)開發(fā)了一種新的AI驅(qū)動(dòng)的高熵合金發(fā)現(xiàn)框架。他們的研究于2025年12月19日發(fā)表在《Digital Discovery》（數(shù)字探索）期刊上，合著者包括日本學(xué)術(shù)振興會(huì)(JSPS)的研究員Minh-Quyet Ha博士、JAIST的博士生Dinh-Khiet Le、來(lái)自日本HPC Systems的Viet-Cuong Nguyen博士、日本統(tǒng)計(jì)數(shù)學(xué)研究所的Hiori Kino教授以及美國(guó)杜克大學(xué)的Stefano Curtarolo教授。

團(tuán)隊(duì)旨在將實(shí)驗(yàn)和計(jì)算材料數(shù)據(jù)與直接從科學(xué)論文中提取的跨學(xué)科專家知識(shí)相結(jié)合，創(chuàng)建一個(gè)專門設(shè)計(jì)用于在數(shù)據(jù)稀缺和未探索區(qū)域工作的系統(tǒng)。該方法的核心是合金設(shè)計(jì)中一個(gè)眾所周知的理念，稱為元素替代。在最佳條件下，化學(xué)性質(zhì)相似的元素可以相互替代，而不會(huì)顯著影響材料的性能和穩(wěn)定性。

研究人員首先通過(guò)比較僅相差一個(gè)元素的合金，直接從大型材料數(shù)據(jù)集中識(shí)別出替代模式。然后，他們使用最先進(jìn)的大語(yǔ)言模型(LLM)，包括GPT-4o、GPT-.5、Claude Opus 4和Grok3，從與五個(gè)關(guān)鍵科學(xué)學(xué)科相關(guān)的文獻(xiàn)中提取專家判斷：冶金學(xué)、固態(tài)物理、材料力學(xué)、材料科學(xué)和腐蝕科學(xué)。每個(gè)信息源提供的是證據(jù)片段而非最終答案，這些片段使用稱為Dempster-Shafer理論的數(shù)學(xué)框架進(jìn)行組合。與標(biāo)準(zhǔn)概率方法不同，該框架可以明確表示不確定性甚至無(wú)知，正如Dam教授所解釋的："傳統(tǒng)分類器即使在信息不足時(shí)也強(qiáng)制進(jìn)行二元'是或否'的預(yù)測(cè)。我們的方法明確量化不確定性，允許'我們無(wú)法判斷'作為合法的科學(xué)結(jié)果。"簡(jiǎn)單來(lái)說(shuō)，提出的系統(tǒng)在探索未知領(lǐng)域時(shí)不會(huì)假裝知道超出其能力范圍的信息。

在多個(gè)合金數(shù)據(jù)集上測(cè)試時(shí)，團(tuán)隊(duì)的框架始終優(yōu)于傳統(tǒng)機(jī)器學(xué)習(xí)模型，尤其是在信息較少的情況下。最引人注目的是，它能夠預(yù)測(cè)包含訓(xùn)練數(shù)據(jù)中完全不存在的元素的合金行為，準(zhǔn)確率在86%到92%之間。研究人員還根據(jù)文獻(xiàn)中55個(gè)實(shí)驗(yàn)確認(rèn)的四元合金驗(yàn)證了他們的方法，表明它優(yōu)于計(jì)算成本高得多的方法，如自由能模型。

除了單個(gè)預(yù)測(cè)外，提出的方法還可以生成組成圖，顯示預(yù)測(cè)可靠的區(qū)域以及不確定性仍然較高的區(qū)域。這使研究人員能夠?qū)?shí)驗(yàn)集中在組成空間中最有前景和信息量最大的區(qū)域。

據(jù)Dam教授介紹，這項(xiàng)工作的更廣泛意義在于展示了如何將AI用于科學(xué)發(fā)現(xiàn)。"基于LLM的提取結(jié)合正式的證據(jù)融合，可以將數(shù)十年來(lái)分散的專家知識(shí)轉(zhuǎn)化為可搜索、可比較和定量可用的資源，這對(duì)于相關(guān)見解跨越多個(gè)領(lǐng)域的跨學(xué)科問(wèn)題特別有價(jià)值，"他說(shuō)。

值得注意的是，本研究中使用的相同方法可以加速藥物發(fā)現(xiàn)，指導(dǎo)電池開發(fā)，并幫助優(yōu)化催化劑。在每種情況下，框架量化不確定性的能力都將幫助研究團(tuán)隊(duì)優(yōu)先考慮最具信息量的實(shí)驗(yàn)，可能減少發(fā)現(xiàn)時(shí)間和成本。

總體而言，這項(xiàng)工作展示了AI在科學(xué)發(fā)現(xiàn)中的前進(jìn)道路——機(jī)器學(xué)習(xí)不是為了取代專家判斷，而是系統(tǒng)性地提取和結(jié)合專家判斷與實(shí)驗(yàn)證據(jù)，以加速跨學(xué)科的創(chuàng)新。