读创/深圳商报记者 李旖露

“经过训练后的人工智能网络，可以在1秒内准确预测出数十亿种材料的性能。”近日，一项将AI应用在材料科学领域的研究成果，发表在《自然合作期刊-计算材料》上。

4月16日，深圳商报记者采访了论文第一作者董源。董源和团队搭建了AI深度学习模型，用以预测石墨烯和氮化硼掺杂后的带隙和性能表现。这种石墨烯相关或其他二维材料设计结构，将来可能应用在触摸屏、集成电路、航空航天领域。董源表示，有意向把项目落地深圳。

△ 论文第一作者董源

把AI应用于石墨烯材料设计

石墨烯是一种只有一个碳原子厚度的二维材料。因为具有导电性强、导热率高和机械强度极高等特性，石墨烯被寄望用来代替硅，制造超微型晶体管，被期待发展成新一代电子元器件，并用以制造透明触控屏、发光板、太阳能电池板等产品。

△ 石墨烯结构，来源于维基百科

董源本科和博士毕业于清华大学，研究纳米材料和热物理两个学科的交叉领域。在美国密苏里大学担任研究助理教授期间，董源专注于材料研究。董源告诉记者，在实际应用中，石墨烯并非作为单质使用，要提高它的性能，还需要掺杂其他材料，氮化硼是其中一个选择。“石墨烯本是导体，掺杂氮化硼后，将得到一种带隙介于绝缘体和导体之间的材料，具有半导体的特点。”董源表示，以不同结构和比例掺杂两种材料后，可以获得数十亿种不同的材料结构，而这数十亿的可能性又指向了对应的性能表现。在石墨烯不同领域的应用中，对性能的要求也有所不同。

“实验室无法一一计算这些可能性，而AI擅长通过学习小规模数据来构建结构和性能关系，进而进行大规模的性能预测。”2017年，董源团队与美国密苏里大学机械与航空航天工程系教授林见、计算机系程建林教授合作，着手推进AI在材料科学领域的应用。

团队将几千种已知的石墨烯结构及其性质组合输入到深度学习模型中，训练AI网络。训练完成后，输入任意石墨烯掺杂氮化硼的结构，AI网络可以1秒内算出此结构的带隙。董源透露，经过训练后的AI网络准确率可达95%。他还表示，AI为反向应用提供了可能。“未来，科学家可根据石墨烯应用在不同领域时的性能需要，通过AI筛选出带隙，以此为指导，用于材料结构设计。”

△ 电子显微镜下的石墨烯薄片，来源维基百科

除了设计结构，“盖房子”对石墨烯产业化也很重要

石墨烯被视为新材料领域的新星。前瞻产业研究院《2019年中国石墨烯行业市场现状及发展趋势分析》预测，2020年中国石墨烯行业市场规模将突破千亿元，未来五年的年均复合增长率约为56.39%，在2023年中国石墨烯市场规模将突破3000亿元。

谈及石墨烯，概念很热，研究很多，产业化应用却不多。，董源认为，一个新材料从发现到成熟大约需要25～30年的时间，石墨烯从2004年被证实可以单独存在到今天才15年，它的发展处于正常周期。

“这是一个有技术壁垒的行业，”董源表示，通过AI有望实现的是石墨烯的结构设计，这相当于‘设计房子’，而进一步到‘盖房子’，把石墨烯制备出来，还需要面对降低成本、提高良品率等挑战。

浙江省石墨烯制造业创新中心主任刘兆平在公开场合发表演讲时称，目前石墨烯规模化、低成本制备仍面临诸多挑战，石墨烯应用还有很多关键共性技术问题亟待解决，需要上下游协同创新，突破瓶颈。

通过AI预测石墨烯和氮化硼掺杂后的性能只是第一步。董源表示，希望借助AI建立一个平台。未来不仅仅是石墨烯，与其相关的其它二维材料都可以通过平台匹配出结构和对应性能。

“我们的工作对于人工智能在材料领域的研究应用是一个很好的起点，”董源如是说。 未来，这项成果除了可以用于自动化设计新材料，其技术思路也有望用于设计新药物。