8月26日消息，韩国成均馆大学（SKKU）先进材料科学与工程学院Sung Beom Cho教授领导的研究团队，联合水原亚洲大学（Ajou University）的Jin Sung Park、Hyunsouk Cho教授团队及麻省理工学院（MIT）Ju Li教授，开发出一个利用大语言模型（LLM）为复杂材料提出合成条件与流程的“闭环材料合成规划平台”。成果发表于《Advanced Materials》（DOI：10.1002/adma.74502）。

工作流程上，平台首先通过假想结构生成与基于DFT的高通量筛选，锁定新型固态电解质候选材料；随后采用检索增强生成（RAG）方法，根据研究者期望的材料与条件检索相似的已有合成案例，据此提出候选合成配方；实验结果再回馈平台，形成反馈闭环持续改进配方。

团队利用该平台对全固态电池用氧硫化物基固态电解质材料开展了合成实验，其中包括此前从未报道过的候选材料。如同中学生参考网络菜谱并根据烹饪结果调整食材与条件一样，未来的科研人员有望借助此类AI平台快速吸收实验结果、减少不必要的试错——实验室中失败实验的次数被显著削减。

背景层面，科学界近来广泛使用各类计算方法快速筛选有前景的新材料候选，但从“算出来”到“做出来”之间的合成环节仍是瓶颈，该平台正是针对这一环节的AI化。对固态电池等依赖新材料快速产业化的领域而言，AI驱动合成规划可缩短研发周期、降低试错成本，是材料信息学与自动化实验结合的代表性进展。 （来源：Phys.org）