材料与化学

材料领域的 AlphaFold 时刻由 GNoME（2023）标志：图神经网络 + 主动学习筛选出 220 万个理论稳定晶体（相当于人类百年积累的 40 倍），其中 38000+ 被判定可合成。配套的 A-Lab 自主实验室尝试把「预测→机器人合成→XRD 验证」做成无人闭环——尽管 17 天 41 种新材料的战绩后来受到部分同行质疑，但「AI 驱动的发现管线」这个范式本身站住了。

更静默但可能更深远的革命在机器学习势函数（MLIP）：用 GNN 学量子力学计算的近似（MACE、NequIP 一系），把 DFT 的万倍加速带进分子动力学，使「从头算精度的模拟」第一次可以覆盖真实时间尺度。催化、电池、合金研发的计算管线正在被整体替换。

看点

材料 AI 的瓶颈从「预测准不准」转向「合成做不做得出」——预测清单已经远超全球实验室的验证产能，验证侧（自动化、机器人化学）是下一个瓶颈投资点。