Rain科技5月17日消息，据上海人工智能实验室宣布，依托“2030新一代人工智能”国家科技重大专项总体部署，该实验室联合苏州国家实验室、清华大学等单位，成功实现了厘米级尺寸、厚度超过200微米的高质量单晶石墨可控制备。
人工智能辅助材料研发的核心前提，是高质量数据的支撑。为突破传统小规模数据集的局限，联合团队构建了面向机器学习原子势训练的亿级计算材料数据库。
该数据库在数据完整性、精准度与覆盖范围上均显著优于以往，
为后续高精度AI模型的研发奠定了坚实底层基础。
数据库重点涵盖镍-碳体系所需的机器学习势训练数据，包括不同尺寸的镍团簇、体相、表面结构，以及上述镍结构与碳原子、碳链、碳环、石墨烯、石墨等多种碳构型在不同温度下形成的复合构型。
这一兼具广度与可靠性的数据体系，为高精度机器学习势的训练和材料表界面AI模型的研发提供了有力支撑。
从数据科学角度看，这种亿级规模的数据库不仅大幅提升了模型训练的数据量级，更关键的是通过覆盖多种构型与温度条件，有效降低了机器学习势函数的过拟合风险。然而，数据库的构建也面临计算资源消耗大、数据标注依赖专家知识等挑战，未来仍需在自动化数据生成和智能数据筛选方面持续优化。
基于上述数据库，联合团队采用苏州国家实验室开发的高精度、高效率NEP机器学习势方法，结合上海人工智能实验室自主研发的主动学习工作流、不确定度分析算法及计算材料智能体框架，成功构建了机器学习势函数模型，突破了传统第一性原理计算在时间与空间尺度上的局限。
该模型可完成超过十万原子规模体系、百万原子步的复杂界面动力学模拟，能够捕捉如孪晶晶界加速碳迁移等关键微观机制，
为理解高质量单晶石墨的宏观生长现象提供了原子尺度的计算桥梁。
在高精度机器学习势模型的辅助下，联合团队开展了大规模、长时间的原子级动力学模拟。
模拟不仅揭示了碳原子在镍晶格内偏析、扩散、成核直至生长的完整迁移过程，还成功复现了其在镍单晶及含孪晶晶界界面处溶解、偏析、成核与外延生长的演化全过程，从而厘清了单晶石墨的生长机制。
此外，团队通过定量模拟实验，明确了反应温度、碳溶解度、原子扩散速率、孪晶晶界结构等核心参数对单晶石墨生长质量的调控规律，为材料制备工艺的优化升级提供了可量化、可预测、可落地的理论支撑与计算依据。
基于上述科学发现，联合团队搭建了单晶石墨生长系统，最终成功制备出厘米级尺寸、厚度超过200微米的高质量单晶石墨——该厚度是目前世界已报道水平的3倍以上。
这一成就标志着人工智能在材料科学领域的应用已从辅助分析走向主导发现。然而，从实验室样品到工业规模化生产，仍需解决单晶石墨的晶格缺陷控制、大尺寸均匀生长等问题。AI模型的可解释性和泛化能力也还有待进一步提升，以应对更加复杂的多组分材料体系。
这一突破也探索出一条从“试错摸索”向“机制驱动”转型的智能化科研路径，
验证了AI作为驱动科学发现“革命性工具”的重要价值。
未来，联合团队将进一步依托人工智能模型开展实验工艺参数优化与规模化制造研究，持续推动单晶石墨向更高质量、更大面积和更稳定量产方向发展。
同时，积极拓展其在电子器件、热管理和高端装备等领域的应用潜力，探索形成以海量数据为基础、以人工智能模型为核心、以机制理解为牵引、以实验制备为验证、以规模制造为目标的全新研发范式，推动人工智能与材料科学深度融合不断走深走实。
