有“材华”、“研值”高，材料大模型MatVerse上线，从科学问答迈向新发现

近期，在国家科技传播中心举行的“新天工开物——科技成就发布会”人工智能专场上，苏州国家实验室、上海人工智能实验室与上海交通大学等联合推出“材华·MatVerse”材料多模态大模型及智能体应用体系。该模型可直接读懂材料的多模态科学数据，并完成从知识记忆到逻辑推理的能力跃迁。

“材华”系列模型开源以来累计下载超30万次。目前，科研人员正运用“材华”大模型开展能源材料、低维材料、纤维材料等领域的探索，并已成功应用于热电池、钙钛矿、二维材料、碳纳米管纤维及固态电解质等材料的研究与制备。

“材华”即将集成至书生·端砚科学发现平台。届时，科研人员可通过书生·端砚直接使用模型及相关智能体，对XRD谱图、电镜图像、分子结构等材料多模态数据开展理解与机理推理，让材料研发从查资料走向做推演。

作为面向重要复杂科研任务的可信科研执行平台，书生·端砚具备覆盖从“假设提出”到“实验验证”完整科研流程的全栈能力，已在生命科学、关键材料、半导体、核聚变、量子和地球气象等多个核心科研领域落地。

苏州国家实验室主任研究员、人工智能研究部副部长陈忻在“新天工开物——科技成就发布会”现场分享“材华·MatVerse”材料多模态大模型

让谱图、图像和分子结构进入同一个语义空间

大语言模型已有的能力主要建立在文本之上，而材料科学的核心数据远不止于文本，衍射谱图、显微图像、分子结构图，模态迥异、尺度分散，难以被同一模型统一表征。

Matverse采用“独立编码器+统一解码器”的创新架构，有效破解上述难题。它为不同模态的数据配置独立编码器，再由统一解码器在共享语义空间中完成表征对齐，从而突破单一文本数据的限制，实现对XRD谱图、电镜图像、分子图等多源异构科研数据的深度适配与向量化处理。不同仪器、不同尺度、不同模态下的材料信息，第一次能够在同一语义空间中被理解、被关联、被推理。

用机理推理替代知识检索

能检索，不等于能推理。Matverse通过科学知识与分子机理双增强的思维链强化学习方法，将领域知识与物理化学机理同时注入推理过程，实现从“知识记忆”到“逻辑推理”的能力跃迁。模型不再局限于调取已有研究结论，还能够循着材料科学的因果链条，推演结论背后的内在机制。

在此基础上，团队创新构建智能体框架OmniMat，实现“跨学科灵感检索-结构化假设生成-机制层面候选筛选-专家与实验反馈优化”的全链路闭环，使大模型从单点问答工具，转变为可参与科研全过程的方法性基础设施。工程实现上，模型依托昇腾、曙光等国产算力平台，完成从数据清洗、模型架构、训练推理到安全对齐的全流程自主可控。

能力边界，量化成19类学科的标尺

一个科研模型能否被真正使用，前提是它的能力边界可测量。团队开发了覆盖全部19类材料二级学科的OmniMatBench评测基准，并集成至司南人工智能评测体系，实现材料专业场景下能力边界的精准量化与标准化测试，为领域大模型的选型与迭代提供统一标尺。

学界的反馈同样清晰：相关论文获评Cell Reports Physical Science 2025年度优秀论文，并入选该刊年度最受研究者关注的论文榜单；作为典型案例入选《人工智能材料学》等最新教材。

实验，做在关键处

材料研发长期依赖试错，一轮迭代常以年计。AI的价值正是把依靠经验判断的搜索空间，压缩为可推理、可验证的假设空间，让研究者的时间集中在真正关键的那几步上。

聚合物热电池的设计是一次完整的验证。模型从500篇跨学科文献中提取可迁移机制，生成数千候选假设，收敛为可执行的制备路线，并经真实制备得到确认：材料在10K温差下输出约245毫伏，归一化功率密度达到0.68mW·m⁻²K⁻²，可利用人体热量发电。类似智能研发方法也用于开发新型高分子弹性体材料，且已在人形机器人仿生肌肉中取得初步应用。

支撑这一转变的，是一支高度交叉的团队。AI+材料是交叉科学中格外艰难的挑战。材料从石器、青铜器与铁器时代走来，人工智能则刚满七十岁，二者思维方式差别巨大。这支联合团队以研究生为技术主干，成员横跨材料、化学、物理与数学、计算机、人工智能等多个方向。

在他们看来，交叉研究远不止让不同专业的人凑在一起，更在于让每个人愿意走出熟悉区域，学会理解另一种语言。敢于走出舒适区、勇于挑战自我，正是这支年轻团队最鲜明的底色。

当前，Matverse系列模型与OmniMatBench评测基准已面向科研社区开放，相关能力正在更多材料体系与课题组中投入验证。