鐵電性能的寶藏相圖：AI真能秒開？

香港科技大學（科大）與同濟大學的研究人員成功研發出深度學習模型FerroAI。該模型僅需20秒，即可繪製鐵電材料的組分–溫度相圖，並預測出介電常數高達11,051的新型鐵電材料。FerroAI的出現，標誌著人工智能賦能鐵電材料研發的新紀元。該研究成果已發表於國際知名學術期刊《npj Computational Materials》，為加速新型功能材料的設計與發現提供了創新方案。

論文題為「FerroAI：一種用於預測鐵電材料相圖的深度學習模型」，由科大機械及航空航天工程學系副教授陳弦（共同通訊作者），以及同濟大學物理科學與工程學院、先進微結構材料教育部重點實驗室研究員張晨波博士（第一作者、共同通訊作者及2019年科大博士畢業生）聯合完成。

鐵電材料因其獨特的電學性能，在感測器、儲存器及能源收集等領域具有廣泛應用。然而，其性能高度依賴於晶體結構，而晶體結構的演化通常通過組分–溫度相圖來揭示。傳統構建相圖的方法往往需要合成大量樣品、進行系統實驗和計算，耗時數月甚至更久，嚴重制約了新材料研發效率。因此，全球科研界一直在探索更加高效的相圖構建與材料預測方法。

過去的機器學習技術雖能在單一體系中預測相變，但在跨材料體系時，因泛化能力不足而難以準確捕捉規律，這成為國際學術界面臨的普遍難題。為突破這一瓶頸，本團隊挖掘了超過四萬篇文獻，對千餘種鐵電材料創建相變數據庫。結合數據增強與智能化調參策略，訓練出深度學習模型FerroAI。實驗驗證表明，FerroAI在多種晶體結構中的預測準確率超過80%，並能夠解釋不同摻雜元素在晶格中的關鍵作用機制。依靠傳統實驗流程至少需耗時數月的材料研發，如今AI僅用20秒即可完成。

陳教授表示：「這項研究不僅展示了高品質數據本身的重要性，也表明人工智能正在重塑材料科學的研究範式。FerroAI讓我們得以更快探索鐵電材料性能的潛力，推動新型功能材料的快速發現。」

此次成果是團隊在材料智慧化領域取得的重要進展。通過FerroAI，首次實現了跨材料體系的相變預測與實驗驗證的緊密結合，展現出AI在加速基礎科學與應用研究中的巨大潛力。