新华网北京3月30日电（石海平）在“双碳”目标与能源转型的背景下，新能源材料的创新研发成为产业升级的焦点。近日，北京航空航天大学教授刘宇宙在2026中关村论坛绿色能源国际合作研讨会召开期间接受记者采访时指出，人工智能正在重塑科学研究范式，材料研发正迎来拐点。

  从依赖人工经验的“试错模式”，到如今“数据与智能驱动”的精准预测，AI for Chemistry（人工智能驱动化学）不仅重构了材料发现的逻辑，更在煤化工、氢能、固态电池等新能源领域展现出显著的加速效应。 

  告别“盲盒式”探索：AI让材料研发走向理性

  传统的材料研发往往依赖科学家的经验甚至偶然的运气。“过去发现新材料，需要在无限的空间里投入大量时间、精力和资金去试错，成功率往往低于10%甚至千分之一。”刘宇宙表示，这种基于好奇心和偶然性的早期开发逻辑，已经难以满足现代产业快速迭代的需求。

  AI的介入，使材料研发从“盲盒式探索”转变为“按需定向设计”。刘宇宙以AlphaFold在蛋白质结构预测中的成功为例，指出AI同样可以在分子层面实现精准设计与预测。

  “通过收集海量数据进行模型训练，AI能将材料设计的准确率在特定条件下可最高提升至95%。”刘宇宙介绍，这种转变让研发人员可以在进入物理空间实验前，先在虚拟空间完成快速迭代。其团队开发AI技术平台，通过动态图神经网络实现多步反应路径的全程推演，融合量子化学计算与AI优化算法，能够精准捕捉高能过渡态结构，有效突破了传统方法难以追踪复杂反应中间态的盲区。

  提速降本：打通新能源材料的产业堵点

  实现“双碳”目标，本质上离不开材料科学的突破。刘宇宙指出，AI技术的应用，让原本需要12个月甚至更长时间的材料迭代周期，缩短至半年以内，大幅提升了企业的核心竞争力。

  在具体应用场景中，刘宇宙团队已经取得了多项实质性进展：

  在煤化工领域，针对我国“富煤缺油”的现状，团队利用AI模型定向设计新型催化剂与反应条件，致力于将附加值较低的煤炭转化为以往需要从石油中提取的高端化学品。

  在氢能领域，针对传统管道输氢容易产生“氢脆”导致泄漏的安全隐患，团队正利用AI平台加速新型催化剂的研发，探索将氢气转化为液态进行储存和运输的解决方案，以期突破氢能大规模商用的瓶颈。

  “干湿”结合：“智能实验室”实现全自动闭环

  AI算法再强大，最终仍需回归真实的物理世界进行验证。刘宇宙强调，仅靠“硅基计算”（干实验）容易产生数据“幻觉”与误差积累，而单纯依赖“碳基验证”（湿实验）又无法穷尽海量的化学材料空间。

  为了打破这一壁垒，他们设计建设智能实验室，是一个将AI大脑与自动化设备结合的智能体系，可实现7x24小时无人化全自动运行。

  图为“智能实验室”工作中

  “我们把真实的实验作为验证大脑思考的标准。”刘宇宙解释道。在这个全自动闭环中，模型预测给出的设计方案会直接交由机器人进行自动化合成测试；测试产生的真实数据（如安全库、反应库、光谱库数据）会实时反馈给AI大脑，用于校正误差、消除幻觉。

  通过构建这种标准化、结构化、可追溯的化学实验数据库体系，模型在物理世界与虚拟世界的强耦合中持续优化，最终达到了较好的预测准确率。刘宇宙表示，随着经验的沉淀与泛化能力的增强，AI系统正从一个“新手”成长为经验丰富的“老手”。

  “我们希望通过AI技术的赋能，不仅让企业保持竞争优势，更能助力国家在能源技术上形成壁垒，把关键技术牢牢掌握在自己手里。”刘宇宙说。