「Nano Technology 2025」奈米技術與人工智慧融合（系列報導二）

文/金藝智

預訓練AI模型數秒內完成預測，達到DFT級的速度與精準度！主導實驗設計，推動AI在產業中的快速普及。AI正從實驗工具蛻變為規劃研究策略的夥伴，與奈米技術的融合正為材料產業全面建立嶄新的實驗架構與開發模式。

首爾大學的韓昇祐(音)教授於6月3日舉行的「Nano Korea 2025」之Nano Biz Forum中指出：「AI如今已超越單純執行實驗的層次，進化到能夠提出『為何要做此實驗』的策略性建議階段。通用型預測模型的出現，將徹底改變材料產業的戰略格局。」

速度提升千倍，精度達DFT水準

韓教授團隊開發的「SevenNet」是一款基於原子級結構資訊，預測各種物性的預訓練AI模型。據評估，其速度較傳統DFT模擬快上千倍，且精度相當。

「SevenNet因學習了數億筆結構數據，能輕鬆預測熱導率、密度、穩定性等多種物性，且適用於液態電解質及半導體材料等複雜變數環境。」韓教授解釋道。

該模型的核心特色在於採用基於圖神經網絡（GNN）的原子間相互作用反映技術，以及結合不同精度數據的多重精度（Multi-fidelity）學習方法。

不僅能計算，還能自動設計實驗策略的SevenNet

「SevenNet」的特色不僅在於卓越的計算能力，更在於能自行提出實驗策略。研究人員只需輸入實驗目的，AI便能自動規劃計算流程並產出預測結果。過去需要反覆執行的計算程序，現在已能完全自動化。

韓教授表示：「研究者無需自行建立模型或編寫程式，只要稍作調整現有環境設定，任何人都能輕鬆使用。AI降低了實驗設計的門檻，也將能迅速應用於產業現場。」

「SevenNet」強調通用性與開放性，能根據研究目的靈活進行遷移學習，並結合開源材料數據，具備高度擴展性。韓教授表示：「為了滿足產業所需的速度與彈性，AI必須從專門領域模型轉向以通用模型為核心，「SevenNet」正是這一趨勢下的實驗性模型。」

AI已進入超越簡單計算，主導實驗設計與策略制定的新階段。結合奈米技術後，材料產業整體的研究方式與工作流程正出現顯著變化。