马仁志教授论AI智能体：从辅助工具到自主科研伙伴的进化

近期，英国皇家化学会期刊Nanoscale与Nanoscale Advances的副主编马仁志教授，在Nanoscale Horizons上刊文，深入分析了人工智能智能体在材料与纳米科学领域，如何从辅助性工具演变为自主研究伙伴。该文现已开放免费获取，欢迎读者向下浏览。

马仁志教授是一位享誉国际的材料科学专家，长期担任日本国立物质材料研究机构（NIMS）材料纳米构造国际中心（MANA）的主席研究员及主干研究员。他的研究重点集中在二维纳米材料、电化学储能和催化材料等方向。

https://doi.org/10.1039/D6NH90023B

随着大语言模型（LLM）和生成式人工智能的兴起，科研工作正步入一个崭新的阶段。AI不再局限于辅助角色，而是逐步转变为全流程的工作流协调者。

从信息检索、实验规划到自动化实施，一个“端到端”的研究流程正在成形。特别是在材料与纳米科学领域，AI正从“知识辅助工具”转变为“自主研究合作者”。

为了让AI深入把握材料学的复杂原理，高质量的数据平台和专用模型随之出现：

日本NIMS：构建了材料数据平台（MDPF），并于2026年发布了pinax系统，支持研究人员高效分析多元数据。

松山湖材料实验室：开发了MatChat模型，为科研人员带来精准的知识问答服务。

中国科学院上海硅酸盐研究所：推出MatMind，模型训练基于千万级文献和百万级专利数据，实现了跨尺度信息的深度整合。

AI不只在虚拟环境中“思考”，更开始直接操控实验室设备：

面对材料设计中复杂的非线性挑战，单一AI系统往往力不从心。当前趋势是构建“虚拟研究团队”：

🔹Agent Laboratory：模拟“博士生、博士后、工程师”的协作方式，将研发时间缩短至传统方法的六分之一。

🔹ChatBattery：部署7个专业智能体，在极少人力介入下成功识别并合成了3种新型锂离子电池正极材料，容量提升28.8%，将多年的研发过程压缩到数月之内。

材料科学包含大量非文本数据（如晶体结构、XRD图谱）。如今的AI已发展为“领域专才”：

尽管效率大幅提升，但挑战仍然存在：

🚨“黑箱”困境：AI的推理过程需要更透明、更具解释性，才能获得科学家的真正信赖。

👤人类角色变迁：科学家正从“操作者”转型为“战略设计者”，专注于界定核心目标和创新概念。

⚠️防范依赖：过度依赖AI可能削弱新一代研究人员的理论功底和实践技能。

AI智能体正在开创人类科学家与AI深度协同的未来。通过融合人类的创造力与AI的系统性探索，我们将以前所未有的速度揭开纳米世界的神秘面纱。

rsc.li/nanoscale-horizons

Nanoscale Horizons是纳米科技领域的权威期刊，刊载高质量、高创新性的研究。该刊着重于原创性工作，强调论文需提出新概念或新思维（概念性突破），而非仅报道技术进展。当然，在概念上未有突破但实现卓越性能的杰出成果（如材料性能打破纪录）也有发表机会。此外，该刊要求论文能引发纳米科技各领域读者的普遍关注。该刊由英国皇家化学会与中国国家纳米科学中心联合出版。

Chair

Katharina Landfester 🇩🇪 马克斯普朗克聚合物研究所

Scientific editors

Katsuhiko Ariga 🇯🇵 日本国立材料科学研究所

Wenlong Cheng (程文龙) 🇦🇺 悉尼大学

Yves Dufrêne 🇧🇪 天主教鲁汶大学

Jun Fan (范俊) 🇨🇳🇭🇰 香港城市大学

Mark MacLachlan 🇨🇦 不列颠哥伦比亚大学

Xiaohui Qiu (裘晓辉) 🇨🇳 国家纳米科学中心

Jinlan Wang (王金兰) 🇨🇳 东南大学

Editorial board members

Miaofang Chi 🇺🇸 橡树岭国家实验室

Jin-Hong Park 🇰🇷 成均馆大学

†CiteScore 2024 by Elsevier ‡中位数，仅统计进入同行评审阶段的稿件

↓↓↓