对话康奈尔汪志龙：材料AI的Scaling Law是什么？
Industry
Source: MIT科技评论中文Publish time unverified
2021 年在上海交通大学攻读博士学位的时候，汪志龙利用无监督学习，从 2,700 多种候选材料中筛出了 8 种具有合适带隙的四元半导体材料，希望用于光伏薄膜。论文投稿时，他们曾被问到：没有实验验证，怎么证明这些材料真的能够被合成？ 当时，团队并没有继续开展材料验证。直到 2024 年，其中一种候选材料 Ag₂BaTiSe₄ 被来自墨西哥克雷塔罗自治大学的研究团队成功合成，并被应用在太阳能光伏薄膜材料中，实现了超过 28% 的最高界面缺陷效率。 这件事对汪志龙触动很大。一种今天只能存在于计算结果中的候选材料，并不意味着它没有价值。随着合成技术和实验条件的变化，几年后，它仍有可能真正进入物理世界。 汪志龙现为康奈尔大学科学人工智能研究所 Eric and Wendy Schmidt AI in Science 博士后研究员，博士毕业于上海交通大学。自 2018 年起，他持续从事 AI for Materials 研究，目前主要将第一性原理计算、分子动力学模拟与 AI 方法结合，关注晶体与分子体系的电子和离子输运，应用涉及光伏、半导体、电池、催化等体系。 过去十多年，机器学习早已被用于材料…