微软研究院今日宣布推出了一款名为MatterGen的新型人工智能系统，该系统能够生成具备特定期望性能的新材料，有望为电池、太阳能电池等关键技术的发展注入新动力。

MatterGen标志着科学家在发现新材料领域的一次根本性变革。与以往需要筛选数百万种现有化合物的传统方法不同，MatterGen能够直接生成满足特定特性要求的新材料，其工作原理类似于AI图像生成器根据文本描述生成图片。

微软研究院首席研究经理、本文主笔谢天表示，生成模型通过设定所需特性约束条件，直接生成全新材料，为材料设计提供了全新的范式。这一成果代表了材料设计通用生成模型的重大突破。

MatterGen采用了特殊类型的AI技术——扩散模型，该技术类似于DALL-E等图像生成器背后的技术，但经过改进后能够应用于三维晶体结构。它逐步将随机排列的原子精细优化为稳定、有用的材料，以满足指定的条件。

研究结果显示，MatterGen生成的材料可能性远超以往AI方法，更接近局部能量最小值。这意味着生成的材料不仅更具实用性，而且在物理上也更加可行。

值得一提的是，研究团队与中国深圳先进技术研究院的科学家合作，成功合成了MatterGen设计的一种新材料TaCr2O6。实际材料与AI预测高度吻合，验证了该系统的实际应用价值。

MatterGen系统的灵活性尤为突出，它能够根据特定需求进行“微调”，以生成具有特定属性的材料，无论是特定的晶体结构还是所需的电子或磁性特性。这对于设计特定工业应用的材料具有重要意义。

这一技术的潜力巨大，新材料对于推动能源存储、半导体设计和碳捕获等技术的发展至关重要。例如，更好的电池材料将加速电动汽车的普及，而更高效的太阳能电池材料则将降低可再生能源的成本。

谢天指出：“从工业角度来看，这一技术的潜力无限。人类文明始终依赖于材料创新。如果我们能够利用生成AI提高材料设计的效率，那么它将可能加速能源、医疗保健等行业的进步。”

微软已根据开源许可证发布了MatterGen的源代码，供全球研究人员在此基础上进行深入研究。此举有望加快该系统在各个科学领域的影响力。

MatterGen的开发是微软更广泛的AI科学计划的一部分，旨在利用人工智能加速科学发现。该项目与微软的Azure Quantum Elements平台整合，未来可能通过云计算服务向企业和研究人员提供这项技术。

然而，专家也提醒我们，虽然MatterGen取得了重大进展，但从计算设计的材料到实际应用仍需经过广泛的测试和改进。尽管该系统的预测充满希望，但在工业部署之前仍需经过实验验证。

尽管如此，这项技术在利用人工智能加速科学发现方面仍然迈出了重要的一步。正如该项目的高级研究员丹尼尔·吕格纳所言：“我们坚信研究应对现实世界产生积极影响，而这仅仅是个开始。”