上交团队研发 CGformer：AI材料设计算法创新，驱动新一代材料研发“加速器”

主要观点总结

人工智能正在改变传统材料研发的周期长、成本高的局面。上海交通大学人工智能与微结构实验室的李金金教授团队开发了一种名为CGformer的全新AI材料设计算法，该算法革新了AI模型处理晶体结构信息的方式，显著提升了新材料性能预测的精准度。该算法通过全局注意力机制解决了现有AI模型在处理材料时的“近视”问题，允许每个原子与所有其他原子进行信息交互，无论它们之间相隔多远。在高熵材料的研究中，CGformer展现出了卓越的性能，成功合成了几种具有优异性能的新材料。这项成果的意义不仅在于找到了新材料，更在于建立了一个快速、高效、系统化的材料发现框架，具有广泛的应用前景。

关键观点总结

关键观点1: 传统材料研发面临周期长、成本高的挑战，人工智能介入有望缩短研发周期。

传统材料研发需要通过长时间的试错实验，成本高昂且效率低下，人工智能强大的计算和筛选能力有望将研发周期从年缩短至天。

关键观点2: 现有AI模型在处理材料时存在“近视”问题。

主流AI材料设计模型如CGCNN只能处理局部信息，无法捕捉全局信息，导致性能预测精度不高。

关键观点3: CGformer算法解决了AI模型的“近视”问题。

李金金教授团队开发的CGformer算法通过全局注意力机制解决了这一问题，让AI模型能够捕捉全局信息，提高了性能预测精度。

关键观点4: CGformer在高熵材料研究中展现出卓越性能。

在高熵材料的研究中，CGformer成功预测并合成了几种具有优异性能的新材料，验证了其在实际应用中的价值。

关键观点5: CGformer建立了一个可扩展、可迁移的材料发现框架。

团队建立的这个框架不仅可用于快速筛选新材料，还具有广泛的应用前景，为产业应用提供了强大的支持。