人工智能时代的可持续材料发现
材料科学
2026-03-04 v2 人工智能
摘要
人工智能 (AI) 已彻底变革了材料发现，使通过生成模型和代理筛选快速探索化学空间成为可能。然而，当前的 AI 工作流程首先优化性能，将可持续性留到后续合成评估中。这会导致效率低下，因为当环境负担被量化时，资源已经投入到可能不可持续的解决方案中。原子尺度设计与生命周期评估 (LCA) 之间的断层反映了基本挑战：跨异构来源的数据稀缺、从原子到工业系统的尺度鸿沟、制造路径的不确定性，以及缺乏能够协同优化性能与环境影响的框架。我们提出将 upstream 的机器学习辅助材料发现与 downstream 的生命周期评估集成到统一的 ML-LCA 环境中。该框架 ML-LCA 集成了五个组件：用于构建材料-环境知识库的信息提取、连接属性与可持续性指标的和谐化数据库、桥接原子属性至生命周期影响的多尺度模型、带不确定性量化的制造路径集合预测，以及支持同时导航性能与可持续性的不确定性感知优化。跨玻璃、水泥、半导体光刻胶和聚合物的案例研究既展示了必要性与可行性，又识别了材料特定的集成挑战。实现 ML-LCA 需要数据基础设施、前瞻评估方法、多目标优化和监管协调等协同进步，以实现以可持续设计而非偶然方式发现可持续材料。
引用
@article{arxiv.2601.21527,
title = {Sustainable Materials Discovery in the Era of Artificial Intelligence},
author = {Sajid Mannan and Rupert J. Myers and Rohit Batra and Rocio Mercado and Lothar Wondraczek and N. M. Anoop Krishnan},
journal= {arXiv preprint arXiv:2601.21527},
year = {2026}
}