一次实验留下的数据，即使没有带来预期结果，也可能指向下一次材料设计的方向。在北京工业大学，博士生白薛峰正在尝试让人工智能读懂这些线索，把长期积累的材料知识转化为研发中的新助力。

在该校李建荣教授指导下，依托材料循环低碳再生全国重点实验室等科研平台，白薛峰开展材料领域模型训练、多目标决策算法与科研智能体研究，探索AI for Science在材料研发中的用武之地。让新方法回应材料研发的实际需要，是他为自己的科研探索确定的方向。

读懂材料设计之困

从电子制造到新能源储能，许多技术进步都离不开材料的支撑。实验室里的一份“配方”在走向应用时，要面对性能、稳定性与制备成本的共同考验。在众多候选材料中找到对的那个，往往需要研究人员不断比较、反复求证。这些细致的工作，连接着产业发展对关键材料的需求。

白薛峰本科、硕士、博士阶段均就读于北京工业大学，研究方向从应用化学、化学工程，逐步延伸到人工智能与材料科学的交叉领域。沿着这条交叉求索的路径，他的目光从材料本身，延伸到材料怎样被设计，最终真正用起来。

“面向应用的研究，是让产业需求变得更加具体。而实际使用条件不同，对材料的要求也会随之变化。”白薛峰把实际工况带入研究，将应用端的需求梳理为材料设计与实验需要回答的问题。

在这些问题面前，人工智能的研究价值有了清楚的落点：组织分散的专业知识，帮助比较更多可能的方案。对白薛峰而言，跨学科探索意味着把新的研究工具带到自己熟悉的材料问题中，也意味着继续学习、重新审视已有的方法。他尝试把模型的分析能力与材料研究的积累衔接起来，让专业知识参与AI的判断，让模型建议有据可循。

打造材料研发智能引擎

教AI读懂材料，先要为它准备专业的学习内容。在模型训练中，白薛峰参与文献、专利和实验记录的整理，对数据进行清洗、标注，再把知识结论与推理过程分别组织起来，用于材料领域推理模型的训练。一项结论如何得出、在什么条件下成立，都是他关注的问题。

那些未能得到预期结果的实验，也被保留下来。一项方案在什么条件下没有奏效，同样值得追问。他尝试让模型从这些经验中学习，使成功与失败的积累，都能为后续探索提供参照。认真对待每一种结果，让新的方法接受实验检验，也成为他推进研究时始终看重的事。

读懂知识之后，还要学会选择。白薛峰参与构建面向应用场景的多目标材料决策算法，把性能、工程适配、稳定性和可获得性放在一起考量。面对不同任务，算法调整评价的侧重，对候选材料进行比较与排序，帮助研究人员判断哪些方向更值得投入实验。

在此基础上，他进一步参与开发材料科研智能体，将领域推理模型与专业预测、计算工具连接起来。研究任务被逐步拆解，所需工具得到调用，知识分析与候选筛选由此衔接。模型给出的建议进入实验后，得到的结果又反过来帮助修正下一轮选择。

围绕碳捕集材料、液流电池活性材料等任务，他参与候选筛选与实验验证，将模型建议推进到材料合成和性能测试。研发的进展，既体现在提出了哪些方案，也体现在每一轮结果能否帮助下一轮研究少走弯路。

沿着材料智能研发与制备的研究方向，白薛峰以第一作者身份发表论文8篇，并形成发明专利与软件著作权成果。

让青春扎根材料创新

从学习材料知识，到组织跨学科研究，白薛峰的成长始终与科研实践相伴。导师与课题组的长期积累，为他提供了科研训练与实验基础。随着承担的任务增多，他需要思考的问题，也从自己怎样完成研究，延伸到怎样让一支团队共同解决问题。

让创新从个人探索走向协同攻关，需要不同专业的伙伴共同接力。材料与化工背景的成员推进制备、性能验证和放大研究，电子信息背景的成员参与智能体应用。作为项目负责人，白薛峰统筹各环节，让算法里的评价指标与实验中的实际条件相互对应，把个人所长汇成团队解决问题的共同能力。

参与中国国际大学生创新大赛，他与团队将领域模型、决策算法和实验验证方法整合为关键功能材料研发方案。材料能否稳定制备、方案能否适应实际条件，成为这项实践需要持续回答的问题。把专业知识用于产业需求，也让他更具体地理解青年科研者的责任：既要提出新的想法，也要为想法走向应用付出扎实的工作。

白薛峰还参与科研工具与平台建设，希望把研究中积累的方法留给更多师生使用。从导师和团队的积累中受益，再为后来者留下可以接续的基础，是他对科研传承的一份回应。一项工具能够帮助更多人开展研究，个人探索便有了超出自身课题的价值。

面向未来，他希望与团队继续深耕人工智能与材料科学的交叉领域，完善从材料设计到实验验证的研发方法。关键材料自主创新，需要在一个个具体问题上积累进步。“时代赋予青年科技工作者的责任，正体现在这些可以着手、需要坚持的任务里。我要把所学用在国家需要的地方，把个人的求索融入团队与产业的进步中。”（记者蔡琳）