超材料是本世紀初開始被業界關注的一種人工制造復合材料，超材料技術有材料“基因編輯技術”之稱。作為一個年輕學科，超材料與同樣新興的人工智能技術擦出了“火花”。5月16日，在中國材料研究學會超材料分會主辦、光啟技術承辦的全國超材料大會上，用AI設計超材料成為熱點話題之一。

記者了解到，超材料基本理念是人為設計材料結構，使其表現出自然界材料不具備的特性，有電磁、力、光、熱控等分支。有的超材料技術能改變材料電磁特性，讓國防軍工航空器在一些探測手段下“隱身”，國內產業化較快的企業是光啟技術。聲學領域國內上市公司包括華秦科技，聲學超材料可用于構建靜音室、工業隔音罩。還有超材料創業公司專注輻射制冷技術，如創冷科技的輻射制冷涂料用于在購物商場提高制冷效果。而在多個細分領域，AI技術都在提高超材料的設計效率。

電磁超材料領域，東南大學信息科學與工程學院副研究員戴俊彥的研究課題包括智能超表面系統等，他告訴記者，人工智能是超材料設計領域的一個巨大技術變革，以往超材料設計更多靠設計者的經驗，需要多次試錯、迭代。而現在AI設計出來的很多結構具備相當高的性能，這些設計已讓很多經驗深厚的設計者難以用原來的經驗解釋，AI技術激發了很多研究者的興趣。

“過去10年、20年的經典設計案例會被用于訓練人工神經網絡。以往研究生可能需要經過一年的訓練才能邁進材料設計的門檻，而神經網絡可能在幾天、十幾天之內就設計出符合要求的結構。現在的學生培養，人工智能（學習）成為必修課。” 戴俊彥向記者表示。

電磁超材料領域的光啟技術投入AI技術已有多年。光啟技術董事長劉若鵬告訴記者，超材料設計不可避免要解很多復雜方程，數據計算非常難，而使用AI模型解復雜方程，這一步人工直接跳掉。公司做超材料結構，其中的微結構千變萬化，要用類似蛋白質設計一般的技術，現在AI技術已是必備。劉若鵬表示，光啟每年對AI技術的投入都在增長，2011年至2015年這段時間僅是投入人造物質數據庫就花了一億元。

國防科技大學的研究人員也在會上表示，人工智能可讓超表面設計減少對專家經驗的依賴。在數據收集環節，該校研究者嘗試使用深度學習方法進行數據增強，發現通過有限的學習，神經網絡能基本擬合物理原理，研究人員還引入強化學習技術。該校研究人員展望，要進一步破解超表面設計難題，可以構建數據集并以開源基礎大模型為基礎，為該領域的智能體研究提供底座，“目前還處于構想狀態，但如果做成了會帶來很大的便利。”

聲學超材料領域同樣青睞AI。該領域研究者南京大學固體微結構物理國家重點實驗室主任陳延峰告訴記者，大約兩年前，設計一款產品的時間大概要按兩三個月計算，而現在一周左右的時間就能差不多確定一個結果，再拿去生產。

陳延峰向記者解釋，超材料設計是一個逆向設計過程，即先擬定材料性能，再據此設計材料結構。超材料性能結果與物理方程之間有天然的聯系，在局域波段內，物理規律是確定的。因此，研究人員先通過計算產生一些數據，再結合實驗產生的數據，如此獲得數據庫所需的基本數據，在數據庫的基礎上結合AI算法和公式，便能使超材料設計迭代加快。

就AI目前的局限，陳延峰表示，使用AI可能會產生非常發散的結果，涉及穩定性問題。劉若鵬表示，超材料領域的AI技術偏向科學計算，不會有明顯的幻覺問題，但AI模型是抽象出來的產物，計算結果與實際需要之間還是有偏差。

引入AI技術已成為多個超材料細分領域學者的共識，但在產業化進展方面，各領域目前參差不齊。

去年，光啟技術營收15.58億元，公司面向航空航天裝備市場。還有一些領域以初創公司居多。有輻射制冷涂料頭部企業負責人告訴記者，該公司今年預計營收1億元，同比有所增長，該領域全球有五六家企業，其中多數是近兩三年成立的國內企業，超材料各細分領域中熱控、光電領域相對成熟。記者了解到，超材料不同細分領域在產業化過程中，能共享的經驗不多，但業內在展望未來多領域出現融合。

AD：

鄭重聲明：本文版權歸原作者所有，轉載文章僅為傳播更多信息之目的，如作者信息標記有誤，請第一時間聯系我們修改或刪除，多謝。