AI机器学习技术加速功能新材料的研发

1.痛点问题

新材料的设计与研发往往面临挑战：急需的新材料难以快速筛选设计，而设计出的新材料又难以找到高效且低成本的合成配方，拥有合成配方的新材料又会面临规模化的长周期探索。根据国家工业和信息化部对30余家大型骨干企业调查结果显示，130种关键材料中，有32%国内完全空白、54%虽能生产，但性能稳定性较差、只有14%左右可以完全自给，亟需新思路来解决我国新材料研发难题。本项目着眼于新材料研发，希望通过创建目前业内空白的智能化新材料研发范式，引领行业智能材料开发自动化服务与工艺的开发。

在数字化、智能化浪潮中，国家和各行业的产业界都非常看重科研的智能化升级。通过持续的交流与调研，我们发现许多企业和研发团队目前对智能研发存在大量潜在需求，而智能研究服务与工艺的同类竞品极少。因此，清华智研将作为一家高新科技企业，以AI赋能研发（AIEmpoweringResearch&Development）为使命，组建国际顶尖水平团队，向国内引进并自主开发世界前沿的AIforScience技术，打造世界级的AI未来实验室（World-ClassAIFutureLab）。

2.解决方案

本技术为新材料研发数字化智能服务平台，可在材料研发过程中对各个尺度以及不同研发阶段下进行智能化的加速及分析服务。以各种人工智能算法为核心，如主动学习算法，图神经网络，卷积神经网络等，我们根据不同材料体系的尺度包括三大方面：1.针对分子及晶体等微观尺度的功能材料研发，设计智能化的深度学习系统。2.针对二维功能材料及其功能性器件、催化剂、膜材料等宏观尺度，设计智能化的深度学习系统。3.针对功能材料研发的表征仪器等平台尺度，设计智能化的系统解决方案。这些智能化解决方案能极大地加速新材料尤其是碳中和相关材料的研发速度，从而大大地降低研发成本与时间，为企业获得有竞争优势的科研壁垒。

自动化和人工智能助力未来智能实验室的方方面面，从样品制备（称量固体、添加液体、超声处理.等)，到合成（分配液体，控制温度，混合，测量pH值，干燥等)、表征（气相色谱，高效液相色谱，分光光度法等)，通过自动化/机器人的辅助，可以有效提高可重复性，提高信噪比，加快实验速度。通过人工智能技术，将实验数据转换为可操作的智能指导，快速浏览并利用复杂的数据，提升认知能力。

智能化研发平台

3.合作需求

拟成立公司推动该项成果的产业化进程，希望对接

1）工程化、产品化所需的资源；

2）新能源、新材料领域合作企业。

本产品为新兴产品，基于此市场规模较难估计。由于材料研发与制药行业类似都是一个大行业，因此我们可以使用AI制药的市场规模进行估算，国内行业市场规模将从几十亿逐渐发展为千亿级别。前期本公司会以合作研发模式与高校，企业或者政府机构签订合同。在此阶段产品将得到迭代与完善。后续将能大规模提供相关算法与数据服务。

本项目计划分三阶段完成，分别为项目阶段、细分行业小平台阶段、行业研发大平台阶段。

第一阶段：项目阶段

在第一阶段，搭建标准化测量设备、构建以行业需求为导向的通用数据模型、高度结构化的科研数据库作为公司的核心竞争力。面向大型石化、材料企业现阶段被“卡脖子”的特定材料，实现逆向工程的智能化挖掘配方以及工艺的探索。标准化测量设备的开发主要瞄准各产业定制化程度高的实验项目，为将来阶段的智能化全流程数据分析（即数据收集、存储、清理、分析、发布）打下基础。通用数据模型的建立主要是为了减少在协作关系复杂的国企研发部门的低效劳动时间，将实验数据的收集方法标准化，达到所有研究的数据都以通用的记录标准记录，大幅增强数据的复用性，将数据实现多场景复用。

第二阶段：细分行业小平台阶段

经过第一阶段的基础建设后，与大型国企长期合作的基础上，建立行业重点、难点细分领域的智能化研发平台，推动行业标准的建立。通过数据的累计和训练算法的完善，实现AlphaGomaster级别，甚至AlphaGozero级别的自主学习。推广科学家、工程师没用过的方式进行研发，推动现有的应用材料研发从工程学走向科学。此阶段主要面向的客户为细分行业内的大中型企业，主要目的是依托行业龙头的影响力，建立在细分领域的材料研发技术平台系统，推广本项目制定的标准。

第三阶段：行业研发大平台阶段

经过前两轮的积累，从行业细分领域的小平台上升为面向行业整体研发的大平台。我们的愿景是在线上实现分布式大数据储存和分析，结合工业数字化的浪潮，实现高性能计算对大行业的协调，统筹。获得一系列突破性技术，使得平台系统完全实现基础设施化。

目前市场中并没有成熟的未来智能实验室的解决方案，属于新兴产业。目标产品/服务在北美、欧洲等地有相似应用（如AI科学公司Deepmind），国内同类型竞品极少，如百度AI开放平台，晶泰科技等，但所属专精领域不同，预计可形成良好的竞合关系。

目标领域涉及材料科学，医药科学，能源化工，人工智能等多交叉学科，准入门槛较高。相对于传统的材料研究方式（基于实验室试错和材料模拟），本产品可以带来十倍以上的研发时间缩短，拥有极大的客户需求。