今年的諾貝爾獎頒獎典禮上，人工智能在物理學和化學領域的深遠影響得到了高度認可。諾貝爾物理學獎授予了John J。 Hopfield和圖靈獎得主、AI教父Geoffrey E。 Hinton，以表彰他們在利用人工神經網絡進行機器學習方面的奠基性貢獻；而諾貝爾化學獎的一半頒給了David Baker，表彰他在計算蛋白質設計方面的成就，另一半則由Demis Hassabis和John M。 Jumper共享，表彰他們在利用人工智能預測蛋白質結構方面的突破，他們成功預測了幾乎所有已知蛋白質的結構。

今年的諾貝爾物理和化學獎都授予了AI領域的先驅，這也意味着人工智能正在成為科技創新和生產力變革的重要驅動力。正如諾貝爾物理學委員會主席埃倫·穆恩斯所言：”獲獎者的研究對各個領域產生了深遠的影響。在物理學中，人工神經網絡被廣泛應用於許多領域，包括開發具有特定性質的新材料。“

嶺南大學跨學科學院的肖航教授和陳曦教授團隊，多年來也是這一領域的重要領導者之一。

材料科學重要突破：MatterGPT的誕生

通過人工智能技術提升科研效率，獲得突破性成果，已經成為科技創新的重要趨勢。陳曦教授團隊是較早將先進人工智能技術應用於新材料預測的研究團隊之一，先後取得了一系列成果，預測了包括新型二維材料、低溫室效應影響材料、催化劑、二氧化碳捕集材料、OLED材料、熱電材料、固態電解質和電極等新材料，受到了學界的廣泛關注。

自2023年加盟嶺南大學跨學科學院後，肖航教授和陳曦教授進一步將神經網絡機器學習平台拓展為生成式AI平台，同時開發了材料編碼和功能材料逆向設計的系列方法，推出了革命性的成果——MatterGPT，一個專門用於設計具有特定性質新材料的大語言模型，以解決固態材料逆向設計中的關鍵難題。

MatterGPT基於大語言模型GPT2，結合團隊創新性地提出的”晶體語言“——SLICES（簡化線輸入晶體編碼系統），能夠在廣闊的化學空間中高效搜索並設計出符合特定需求的新材料。SLICES晶體語言是首個可逆且不變的晶體表示法，能夠對晶體結構進行編碼和解碼，捕捉其本質特徵，為MatterGPT提供了強有力的支撐。SLICES克服了傳統晶體結構表示法的局限，使得MatterGPT能夠像AlphaFold2從氨基酸序列預測蛋白質結構一樣，從目標性能反推晶體結構，在材料結構-性能空間中精準構建出具有特定性質的新材料。

MatterGPT成果斐然，助力多領域技術

自今年八月發布以來，MatterGPT作為首個實現新材料多性質逆向設計的開源大語言模型，引起了多個領域學者的廣泛關注。與傳統的正向設計方法（如高通量篩選和晶體結構預測）相比，MatterGPT展現出顯著優勢。它能夠精準地生成具有特定帶隙和形成能的新材料，大幅提高了新材料設計的精準度和效率。

肖航教授表示：”我們很榮幸能夠為材料科學的人工智能革命做出貢獻。John J。 Hopfield和Geoffrey E。 Hinton在神經網絡領域的研究，以及David Baker、Demis Hassabis和John M。 Jumper在計算化學方面的成就，激勵我們不斷推動人工智能在新材料設計中的應用。“

陳曦教授表示：“十一年前，我們剛剛涉足這一領域時，一切還相對空白。幾乎每一個底層的計算模塊，都是肖航博士知難而上、拼搏不懈搭建而成，十多年的堅持終於結出碩果。對於這一成績，我要向肖航教授表示敬意和祝賀。我也很高興看到我們的成果不僅獲得了學界的認可，也得到了業界的高度評價。例如，已有公司利用我們的新材料預測平台加速OLED材料研發。在碳中和領域，我們的方法已經被用於加速儲能和二氧化碳捕集材料的開發。“

開放科學精神：MatterGPT與SLICES開放源代碼

本着開放科學精神，我們已將MatterGPT和晶體語言SLICES作為開源項目發布。這一舉措旨在促進全球協作，加速新材料開發。藉助人工智能的強大助力，這些工具有望在多個關鍵領域帶來突破，包括應對氣候變化、實現碳中和、推進航空航天技術、革新能源轉換與存儲系統，以及推動電子和半導體產業發展。這些正是當前國家戰略和產業發展的重點方向。

今年的諾貝爾獎再次彰顯了人工智能的變革力，而在材料科學領域，MatterGPT正是這場革命的先鋒之一。肖航和陳曦兩位教授闡述了他們的願景：“我們正在構建一個從晶體語言到材料大模型，再到新型功能材料定向設計的完整創新鏈。我們正在打造一個開放協作的AI材料科學生態系統。通過開源SLICES和MatterGPT平台，我們邀請全球科學家共同使用和完善這些工具，加速功能材料的創新與發展。