“以往研究生可能需要经过一年训练才能迈进材料设计门槛，而神经网络可能在几天、十几天内就设计出符合要求的结构。”

超材料是本世纪初开始被业界关注的一种人工制造复合材料，超材料技术有材料“基因编辑技术”之称。作为一个年轻学科，超材料与同样新兴的人工智能技术擦出了“火花”。5月16日，在中国材料研究学会超材料分会主办、光启技术承办的全国超材料大会上，用AI设计超材料成为热点话题之一。

记者了解到，超材料基本理念是人为设计材料结构，使其表现出自然界材料不具备的特性，有电磁、力、光、热控等分支。有的超材料技术能改变材料电磁特性，让国防军工航空器在一些探测手段下“隐身”，国内产业化较快的企业是光启技术。声学领域国内上市公司包括华秦科技，声学超材料可用于构建静音室、工业隔音罩。还有超材料创业公司专注辐射制冷技术，如创冷科技的辐射制冷涂料用于在购物商场提高制冷效果。而在多个细分领域，AI技术都在提高超材料的设计效率。

电磁超材料领域，东南大学信息科学与工程学院副研究员戴俊彦的研究课题包括智能超表面系统等，他告诉记者，人工智能是超材料设计领域的一个巨大技术变革，以往超材料设计更多靠设计者的经验，需要多次试错、迭代。而现在AI设计出来的很多结构具备相当高的性能，这些设计已让很多经验深厚的设计者难以用原来的经验解释，AI技术激发了很多研究者的兴趣。

“过去10年、20年的经典设计案例会被用于训练人工神经网络。以往研究生可能需要经过一年的训练才能迈进材料设计的门槛，而神经网络可能在几天、十几天之内就设计出符合要求的结构。现在的学生培养，人工智能（学习）成为必修课。” 戴俊彦向记者表示。

电磁超材料领域的光启技术投入AI技术已有多年。光启技术董事长刘若鹏告诉记者，超材料设计不可避免要解很多复杂方程，数据计算非常难，而使用AI模型解复杂方程，这一步人工直接跳掉。公司做超材料结构，其中的微结构千变万化，要用类似蛋白质设计一般的技术，现在AI技术已是必备。刘若鹏表示，光启每年对AI技术的投入都在增长，2011年至2015年这段时间仅是投入人造物质数据库就花了一亿元。

国防科技大学的研究人员也在会上表示，人工智能可让超表面设计减少对专家经验的依赖。在数据收集环节，该校研究者尝试使用深度学习方法进行数据增强，发现通过有限的学习，神经网络能基本拟合物理原理，研究人员还引入强化学习技术。该校研究人员展望，要进一步破解超表面设计难题，可以构建数据集并以开源基础大模型为基础，为该领域的智能体研究提供底座，“目前还处于构想状态，但如果做成了会带来很大的便利。”

声学超材料领域同样青睐AI。该领域研究者南京大学固体微结构物理国家重点实验室主任陈延峰告诉记者，大约两年前，设计一款产品的时间大概要按两三个月计算，而现在一周左右的时间就能差不多确定一个结果，再拿去生产。

陈延峰向记者解释，超材料设计是一个逆向设计过程，即先拟定材料性能，再据此设计材料结构。超材料性能结果与物理方程之间有天然的联系，在局域波段内，物理规律是确定的。因此，研究人员先通过计算产生一些数据，再结合实验产生的数据，如此获得数据库所需的基本数据，在数据库的基础上结合AI算法和公式，便能使超材料设计迭代加快。

就AI目前的局限，陈延峰表示，使用AI可能会产生非常发散的结果，涉及稳定性问题。刘若鹏表示，超材料领域的AI技术偏向科学计算，不会有明显的幻觉问题，但AI模型是抽象出来的产物，计算结果与实际需要之间还是有偏差。

引入AI技术已成为多个超材料细分领域学者的共识，但在产业化进展方面，各领域目前参差不齐。

去年，光启技术营收15.58亿元，公司面向航空航天装备市场。还有一些领域以初创公司居多。有辐射制冷涂料头部企业负责人告诉记者，该公司今年预计营收1亿元，同比有所增长，该领域全球有五六家企业，其中多数是近两三年成立的国内企业，超材料各细分领域中热控、光电领域相对成熟。记者了解到，超材料不同细分领域在产业化过程中，能共享的经验不多，但业内在展望未来多领域出现融合。