数据驱动的AI4Science方法以其卓越的推理速度与精度平衡，成为材料模拟设计的核心驱动力，FUNSOM研究院近年来在材料设计领域运用AI技术进行了研究范式的革新，发展了基于深度图神经网络、机器学习力场等AI技术的跨尺度原子模拟和原子结构设计新方法，大幅提高了材料研发的效率，从不同尺度研究分子、聚合物、纳米材料以及介观体系材料的结构、动力学特征以及各种功能性质并进行理性设计，成功设计了多种新材料。

具体研究方向包括：

1. 材料智能方法和模拟方法的发展：发展逆向材料设计方法，基于AI技术（如机器学习力场）发展新的理论模拟方法和多尺度模拟方法，实现功能材料体系复杂过程的模拟，从而解释纳米级别的实验现象和机制。

2. 材料智能结构优化：结合密度泛函理论、AI方法（如强化学习、贝叶斯优化）、介观尺度模拟方法等对功能纳米材料和复杂分子体系进行自动化研究，高效优化材料微观结构和功能性质。

3. 材料智能设计：建设功能纳米材料、能源材料等数据库，通过AI方法（如图神经网络）给出材料/分子结构与性能之间的关系，从而对光电材料、能源材料、催化材料、生物材料等进行深度学习和智能筛选，发展新材料。

责任编辑：向丹婷