材料候选种类几乎无限，而实验室测试时间与资源有限。为减少传统材料研发中耗时的试错环节，研究人员正借助包括人工智能在内的多种工具提升筛选与决策效率。

东北大学一组研究人员近日提出，应以“工具箱”而非单一工具的方式构建材料设计流程，即让多种方法协同工作，形成一套可执行的综合工作流。相关研究已发表在《Chemical Science》期刊上（DOI：10.1039/D5SC09229A）。

研究团队将该综合系统称为“数字材料生态系统”。其核心思路是把材料发现与设计视为相互衔接的整体流程，而不是彼此割裂的步骤。该系统不仅用于预测材料反应，还可协调多步骤科研工作流，包括证据检索、候选材料筛选以及确定下一步测试内容等。

杰出教授李昊（先进材料研究所，WPI-AIMR）表示，该生态系统将材料发现构建为一个闭环、可自我改进的系统：从可靠数据库获取信息，并依据已知的物理或理论框架进行某种“合理性检查”，再借助人工智能提出更复杂的建议。

研究人员称，该生态系统可用于快速筛选数太字节规模的既有研究文献，为后续研究提供基础。随着使用次数增加，系统可在迭代中学习哪些方法有效、为何有效，以及下一步应尝试什么。

第一作者张迪（WPI-AIMR）表示，该生态系统面向材料科学不同方向的研究者，设计覆盖从固态电池到催化剂等多类材料。

团队同时指出，随着更多数据被纳入数据库，模型预计将持续改进。研究人员计划进一步完善该数字材料生态系统，使其能够处理更复杂、更细致的信息，并在提供研究指导时更接近人类科学家的思考方式。