AI穷举20万种材料证实金刚石热导率上限，新候选已出现

事件概述

材料研发面临两大核心难题：元素组合空间接近无穷，搜索新材料效率极低；且难以提前确认目标材料是否存在，传统方法因计算量过大无法解决指数爆炸问题。研究团队利用AI模型MatterSim和MatterGen，分别解决了正向预测和反向生成的问题，并借助MatEvolve智能体系统将AI设计推进到工业材料落地。

核心信息

• 正向预测模型MatterSim：通过主动学习加局部采样构建超大规模数据集，目前已积累3500万条数据，年增量近亿。该模型可直接预测材料微观物理量，计算热导率速度比传统方法提升上万倍，仅需数十秒即可输出结果。
• 热导率极限探索：团队穷举了23-24万种未合成材料的热导率，结论是在常温常压下、无机体相晶体中，金刚石是热导率上限，无需再盲目寻找。同时筛选出TaP、TaN等可用于芯片散热的高热导率候选材料，已被成功合成。
• 反向生成模型MatterGen：基于扩散模型的通用周期表生成模型，支持化学组分、对称性、目标性质等多维度条件生成。后续改进的GSS模型增加探索性调节旋钮，理论上可覆盖所有可能的材料。
• 工业材料落地路径：团队开发的MatEvolve智能体系统可整合文献知识和专家经验，无需从零开始训练，成本更低。该系统已实现从AI设计到真实材料合成的完整闭环。

值得关注

• 在问答环节，团队指出该热导率极限结论在常温常压块体材料中可靠性很高；对于有缺陷或掺杂的材料，可先筛选纯净母体，再处理掺杂/缺陷可能性。
• 当前跨尺度建模（宏观-介观）仍是难点，尚未看到很好的泛化路径。