西北大学巨型库平台实现AI驱动材料定向设计，从压电材料筛选到性能定制仅需数小时

B910化工消息：5月25日消息，美国西北大学国际纳米技术研究所创始执行所长、George B. Rathmann化学讲席教授Chad A. Mirkin团队在《科学进展》（Science Advances）发表研究论文，展示了巨型库（megalibrary）平台在材料定向设计方面的突破性能力——从发现新材料到按需定制性能，整个流程可压缩至数小时。

巨型库平台由Mirkin团队于2016年首次提出，其核心原理是在单个芯片上同时合成数百万个纳米材料候选体，再利用二次谐波生成（SHG）显微镜等高通量表征手段在30分钟内完成百万级样品的快速筛选。相较于近年来兴起的自动驾驶实验室（self-driving lab）逐步迭代模式，巨型库采用大规模并行策略，速度优势显著。

本研究以压电材料为验证体系。压电材料在施加压力或弯曲时产生电能，广泛应用于超声成像、传感器、运动检测和能量收集装置。研究团队首先利用巨型库平台从数千种化学组合中识别出一种此前未知的高熵卤化物钙钛矿压电材料候选体——这种成分复杂的材料通过传统实验方法极难被发现。

更具突破性的是，团队通过分析化学成分微调对性能的影响规律，建立了材料组成与工作温度之间的定量关系。基于此，研究人员定向设计出一种在80°C（176°F）高温下仍能保持压电功能的新材料。

论文共同第一作者、前西北大学博士后研究员李俊（现为科罗拉多大学博尔德分校机械工程助理教授）指出，巨型库平台能在单次实验中生成百万个数据点，这些结构化数据正是训练AI算法识别隐藏模式、预测候选材料所需的。

从材料科学发展的宏观视角看，该研究的意义远超压电材料本身。当前材料科学面临的核心瓶颈之一是高质量实验数据的匮乏——AI模型需要大规模、标准化的数据集进行训练，而传统实验方法产出的数据量远远不够。巨型库平台可以在短时间内生成海量、高质量的成分-性能关联数据，为AI驱动的材料设计提供关键基础设施。

Mirkin强调，团队已在压电材料、催化剂和光催化剂领域发现新材料，后续将扩展至电池材料、核聚变材料和光学材料等领域。该论文共同第一作者还包括西北大学研究生Jarod Beights。DOI: 10.1126/sciadv.aee1359。 （来源：Phys.org）