首个材料领域轻量化智能体发布

随着人工智能技术的发展，科学家们开始研发能够辅助科学研究的大模型，模型越大，能力也就越强，但训练、部署和长期使用的成本也就越高。模型做小了又无法兼顾专业的科学推理和复杂的科研工具调用。那么，能否不依赖单个无所不能的“超级大模型”，而是让多个小模型协同合作获得复杂的科研能力呢？

9月10日，中国科学院深圳先进技术研究院材料人工智能研究所喻学锋研究员领衔的研究团队在《自然-机器智能》发表最新研究成果，正式发布了材料研究领域内的首个轻量化双模型协作智能体“材智云脑MatBrain”。

MatBrain双模型协同框架。研究团队供图

该智能体由两个轻量化的小模型Mat-R1、Mat-T1组成，前者就像“材料专家”，负责材料知识理解、科学推理和结果判断；后者则像“科研执行者”，负责调用材料数据库、结构生成模型和计算软件。两者通过不断地“执行—分析—反馈—再执行”，共同完成科研任务。

据介绍，该智能体在材料科学研究中的预测综合准确率较GPT-5、DeepSeek-R1等大模型提升 66%，部署成本较同类大模型降低95%，这种轻量模型协作方式在材料性质预测、晶体结构设计等任务中能够达到远超前沿通用大模型的水平。期刊编辑对该文章给予了高度评价，认为该成果是“AI for Material”领域非常有价值的工作。

AI“材料专家”与“科研执行者”

传统的材料科学研究中，一个新材料的发现从概念验证到应用往往需要较长的研发周期，这一过程需要科研人员不断进行理论分析、计算筛选和实验试错。近年来，大语言模型、高通量计算、机器学习以及Materials Project等大型材料数据库快速发展，研究人员得以更快地获得晶体结构和数据，并更高效地开展科学研究。