搜索
材料科学一向被视为经验科学。几十年来，研发范式几经更迭，从爱迪生式试错到材料基因工程，再到计算模拟，却始终绕不开同一道约束：物理模型只在成熟体系内有效，一到新材料就失灵；行业积累的数据是写给人看的，一条不过十几个数值，撑不起AI的学习。结果是，人类用了数千年的金属材料，真正探索过的成分空间或许还不到10%。
材料是 AI 最难进入的行业之一。实验周期长，数据采集难度大；材料的理论性能与成品的实际性能存在差异；并且材料从实验室走到工业界有巨大量产鸿沟。因此，一种新材料从确定原子怎么排列，到在产线上稳定量产，通常要走十年以上。
弗吉尼亚理工大学与Meta团队提出ReGDiff，通过RAS整理潜空间并用SRR短程排斥引导扩散采样，在MetaTruss和MetaShell上较最强基线平均提升几何合理性8.9%、新颖性46.4%和多样性128.6%。
MATARIA（元材新界）宣布完成君联资本领投、小苗朗程跟投的数千万元人民币种子轮融资，并计划未来18个月推出跨尺度材料模型V1.0，在3至5个行业开展试点。
近日，一家由 OpenAI 和 Google DeepMind 前研究人员创办的公司公布了过去一年的多项进展。
鼎犀智创（Rhinovate™）近日完成数亿元Pre-A轮融资，由鼎晖百孚领投，资金将重点用于RhinoMat材料科学基础大模型及多场景可编排AI智能体与自主进化实验室体系建设，并推进碳基高性能材料放大验证。
AI 新材料研发公司鼎犀智创（Rhinovate™）近日完成数亿元 Pre-A 轮融资，本轮融资由鼎晖百孚领投，九合创投、彬复资本、龙芯创投、顺禧基金、中关村资本跟投。
今年的AI材料企业中，被誉为“材料版谷歌”的独角兽企业。CuspAI绝对是最耀眼的一员。近日，CuspAI首席科学官兼伦敦帝国理工材料科学家Aron Walsh接受了《化学世界》（Chemistry World）的采访，透露了不少项目细节，也谈了其对AI材料行业趋势的预判。
人工智能可以在很短的时间内生成成千上万种候选材料，但真正进入实验室后，其中许多可能根本无法合成。
Discovered Materials便是这一趋势下的最新代表，该公司计划利用大量AI Agent集群，寻找可用于制造更高效集成电路的新材料。这家初创公司表示，公司近期从Y Combinator毕业后，已完成一轮900万美元种子轮融资，由Lightspeed India Partners领投