上海交通大学人工智能与微结构实验室李金金教授和黄富强教授团队研发出全新 AI 材料设计模型 CGformer，成功突破传统晶体图神经网络局限。 人工智能正深刻重塑材料科学研发范式，在加速新材料发现与性能优化中展现出突破性价值。通过高通量计算与机器学习的深度融合，传统「试错法」存 在的实验周期长、资源消耗大等痛点被有效破解，材料探索进入到「计算驱动-实验验证」的高效迭代阶段。然而随着人类技术和生活方式的革新，新能 源、航空航天等领域对新材料的性能需求日益严苛，传统机器学习方法的局限性逐渐凸显，尤其是在高熵材料研发领域。 所谓「高熵」材料，是一类由多主元元素混合制备的新型材料。高熵材料通过多主元协同作用显著提升原子排列的构型熵（即无序性），从而赋予其相较 传统材料更优异的力学、耐高温、耐腐蚀等综合性能，在能源存储、航空航天、极端环境装备等领域具有重要的应用潜力。 此前方法如 Crystal graph convolutional neural networks（CGCNN）、Atomistic line graph neural network（ALIGNN） 等人工智能模型均存在架构上的缺 陷：受限于局部信息交 ...