《科学通报》2026年8月中旬刊（“人工智能-能源材料交叉前沿专题”）| 文章速递

封面图片以风力发电、光伏阵列、高压输电网络与人工智能数字化元素交织的未来能源场景为背景, 下方展开的智能蓝图卷轴将充换电设施、智慧交通网络与低碳城市空间融为一体, 象征人工智能驱动能源材料革新, 连接基础材料创新与未来智慧能源生态的无限可能, 展现了AI与能源材料协同发展所描绘的绿色、智能、高效能源未来图景, 详见本期专题.

悦读科学

桥键调控的双核铜空间邻近效应驱动锂硫电池中的均相催化

张云峰, 刘津辰, Paul TakyiAninakwa, 曾攀, 孙靖宇, 宋英泽

乔李锦, 焦洁, 梁鹏博

亮点评述

循典立新: 碱金属调节剂双效调控ZIF玻璃化及孔隙

黄瑞康, 殷政, 曾明华

人工智能-能源材料交叉前沿专题

编者按

智驱新材料, 赋能能源未来

周伟家, 施思齐, 邹如强

观点

乔泽龙, 姜润, 曹达鹏

本文聚焦AI与能源材料交叉前沿, 以“可解释的逻辑推理能力”为核心标准, 明确广义AI(数据匹配驱动)与狭义AI(逻辑推理支撑)的本质差异, 提出基于描述符的智能体框架及“智能体集合体+总控体”通用AI形态, 破解催化材料研发痛点, 为催化材料设计提供从工具到“机器人科学家”的智能化解决方案, 助力科研范式的革新

进展

王爱丽, 张浩然, 杜开怀, 李绿洲, 丁建宁

机器学习的应用显著提高了钙钛矿太阳能电池的研发效率. 本文系统梳理机器学习在钙钛矿材料筛选以及制备工艺优化、器件性能预测中的核心应用, 为跨学科融合、推动钙钛矿太阳能电池技术迭代提供参考

李高阳, 刘欣, 晁栋梁

近年来, 人工智能(AI)技术在材料科学与电池研发中的应用快速发展, 为加速电解质设计与开发提供了新的方法.本文聚焦AI在电解质设计领域的应用, 梳理AI在材料筛选、机理探索中的实践, 剖析AI与电解质研发结合在数据与算法层面的现存挑战, 并展望交叉学科驱动的技术革新方向

王少强, 刘威, 李怡凡, 张晓春, 邸世民, 曹青, 李桂香

本文聚焦AI赋能钙钛矿光伏电池稳定性提升, 系统梳理材料组分筛选、相图预测、界面工程与缺陷调控等关键路径, 并展望闭环自动化、多尺度协同与数据标准化发展方向, 为器件结构稳定性设计提供思路与参考.

机器学习在电催化剂的设计与发现中的应用

张驰, 王哲, 张葆坤, 刘宏, 于小雯

本文系统梳理了机器学习在合金、金属氧化物及单原子催化剂研究中的最新进展, 重点阐述其在性能预测、高通量筛选与反应机理解析方面的应用, 并分析当前挑战与未来发展方向, 揭示机器学习推动电催化剂理性设计与发现的关键作用.

数据驱动赋能二维单原子电催化剂导向设计

叶齐通, 林仕伟, 刘一蒲

因高原子利用率及局域结构高度可调, 二维单原子催化结构在能源催化领域展现出巨大潜力. 然而, 其庞大的化学空间与复杂的配位环境使相关理性设计陷入困局. 本文聚焦基于数据驱动策略的新型研究范式, 从配位工程角度拆解该策略基于不同维度的研究进展, 以期为新一代单原子催化结构导向设计提供有效指导

评述

人工智能驱动新材料发现: 数据瓶颈突破与研发范式变革

黄鹏飞, 陈亚楠

AI时代, 材料数据从何而来? 本文系统解析高通量计算、大模型文献挖掘与超快制备技术如何打破材料科学的数据瓶颈, 三管齐下共同驱动“闭环自主实验室”的诞生, 引领材料研发范式变革

何福鹏, 顾紫怡, 顾欣颖, 齐弼卿, 白磊, 周天航, 李玉强, 徐春明

在绿色低碳转型与智能化发展的背景下, 化工研究面临多尺度耦合复杂、知识碎片化加剧及决策效率受限等挑战.本文系统综述了以大语言模型为核心的“四维一体”智能化研究范式, 涵盖知识引擎、分子推理、过程模拟与智能决策, 阐明其在重塑化工研发流程、提升系统效率及支撑可持续发展中的方法论价值

王骥, 朱浩哲, 李培义, 刘畅, 刘洋, 万佳雨

本文系统梳理了多智能体系统(MAS)在能源材料领域的最新进展, 提出基于科研闭环完整性与人类介入程度的三级分类框架, 深入分析典型案例中的作用机制、优势与挑战, 为智能驱动的能源材料研究提供新的方法论视角

机器学习在光电材料设计与器件性能预测中的应用进展

张笛, 周健, 孙志梅

本文系统综述了机器学习在光电材料研发中的全链条应用, 深入探讨了从钙钛矿稳定性筛选、二维材料挖掘到光电器件寿命预测的前沿进展, 展示了数据驱动范式如何破解传统试错法的效率瓶颈. 此外, 本文前瞻性地提出了物理驱动模型与全链条逆向设计的宏伟蓝图, 为未来光电材料的智能化开发提供了理论指导

机器学习在固态电解质材料研发中的应用

马常静, 吴岩, 王松蕊, 唐和, 张晓琨, 徐飞, 刘哲, 王洪强

本文综述了机器学习在固态电解质研究中的前沿应用, 揭示了其如何加速材料设计、提升性能优化与工艺改进.通过深入探索机器学习的建模方法与典型应用, 展望其在固态电解质研发中的革命性潜力, 为高效、智能化的材料创新提供新思路

冯龙, 夏怡然, 马冰冰, 吴凯, 周湛彬, 田也, 钟瑞琴, 陈为彬, 邹如强

本文综述了人工智能(AI)在原子级催化剂(ALCs)设计与合成中的应用, 重点讨论了机器学习(ML)、图神经网络(GNN)、大语言模型(LLM)及自动化合成平台的最新进展, 展望了AI与自动化技术在推动原子级催化剂从理论到实践应用中的关键作用

论文

物理可信软标签驱动的钙钛矿本征击穿强度预测与可解释建模

李长姣, 彭奥, 王琳, 高文强, 刘韩星, 周伟家

针对材料领域高质量标签数据稀缺所导致的物性预测精度有限这一关键瓶颈, 本文提出了一种物理可信软标签驱动的迁移建模框架. 通过模型跨体系迁移与不确定性监督, 实现了钙钛矿材料本征击穿强度(Fb)的高精度预测. 随后提出了不确定性指导的符号回归建模方法, 所得显式公式在真实样本上的预测误差较已报道公式降低了60%~80%, 展现了优异的泛化能力.

铱基单原子合金催化剂的智能设计及NO电还原活性

朱若辰, 杨欣源, 王浩宇, 余加源, 胡日茗

一氧化氮(NO)污染治理与氨的可持续合成是当前环境与能源领域的重要课题. 本文结合密度泛函理论与机器学习, 系统探究26种过渡金属掺杂铱基单原子合金催化剂的NO电还原(NORR)性能, 为NORR催化剂的智能设计提供理论支撑与实用工具

评述

化学与能源科学

机器学习在纳米医学领域应用进展

赵彩艳, 刘小庆, 关良, 王长荣, 邓宏章

目前机器学习在纳米医学中面临挑战. 本文展望了未来机器学习在纳米医学中的发展趋势, 如构建大规模纳米医学数据库与小样本模型、发展可解释人工智能(XAI)、多模态机器学习与大语言模型, 以及个性化纳米医疗系统与专家系统等

材料科学与工程

可拉伸电路中导电互连材料、结构与软-硬界面连接研究进展

卢明奇, 袁龙, 余晓沛, 周润辉, 鲍容容, 潘曹峰

本文回顾了可拉伸电路导电互连领域的最新研究进展, 聚焦于通过材料设计优化柔性材料导电与拉伸性能的方法、提高可拉伸性的各类几何结构设计思路, 以及提高“软-硬”界面接触稳定性的设计策略, 并对未来的发展方向与商业化应用前景进行了前瞻性展望

论文

生命科学

王蓉钧, 李安迪, 吴福忠, 朱晶晶, 倪祥银

本研究通过中国热带亚热带森林样带调查与全球数据整合, 系统分析了不同功能群植物叶片磷重吸收效率的差异及其环境约束机制. 发现叶片磷重吸收效率的功能群分化具有强烈的内禀约束性和环境依赖性: 在资源充足环境中策略多样, 在资源约束条件下趋于保守化和趋同性. 该成果为理解植物磷利用适应性、指导磷高效农业与生态恢复提供了重要依据.

面向儿童青少年功能磁共振成像的脑龄预测深度学习模型

周依婷, 陈慧聪, 李赟, 何叶

儿童青少年时期是脑功能快速发育的关键阶段. 本研究基于纵向功能磁共振数据, 提出条件-对比变分自编码器(CcVAE)框架提取高维脑功能潜在特征, 实现了高精准的脑龄预测与纵向个体“脑指纹”识别, 为评估脑发育状态与个体神经特征识别提供了高效可靠的新方法

《科学通报》是中国科学院主管、中国科学院和国家自然科学基金委员会共同主办的综合性中文学术期刊，致力于快速报道自然科学各学科基础理论和应用研究的最新研究动态、消息、进展, 点评研究动态和学科发展趋势。

• 旬刊，每10天出版1期；

• 栏目：进展、评述、快讯、论文、观点、科技前沿、科学访谈、亮点述评、悦读科学等；

• 《新锐期刊分区表》 综合性大类1区TOP期刊；

• 中国科技期刊卓越行动计划领军期刊；

• 《中国科技论文与引文数据库》和《中国科学引文数据库》的源期刊，同时被EI、ESCI和Scopus等收录；

• 期刊官网：http://csb.scichina.com.

转载、投稿请留言

| 关注科学通报 | 了解科学前沿