香港中文大学 (深圳) 朱熹团队JPCL | 材料科学研究中的AI导师

英文原题：The ScholarNet and Artificial Intelligence (AI) Supervisor in Material Science Research

作者：徐彦恒、叶树谦、朱熹，香港中文大学 (深圳)

近日，香港中文大学（深圳）理工学院的朱熹教授和其研究团队在The Journal of Physical Chemistry Letters 发表了一篇引人注目的论文，题为《多维引用网络与材料科学研究中的智慧导师》（The ScholarNet and Artificial Intelligence (AI) Supervisor in Materials Science Research）的论文。该研究引入了一种名为ScholarNet的多维引用网络，以及基于此网络的AI智慧导师。文中强度了训练一个优秀的AI导师对于材料科学研究的重要意义。

尽管人工智能和机器人技术在化学与材料科学方面的应用已经非常广泛，但多数应用侧重于自动化实验操作，而非创新性研究。同时，研究领域内论文数量的迅速增长也让研究人员难以全面掌握最新进展。另外，近年来论文数量的爆炸性增长使研究人员难以全面掌握自身研究领域的进展。由于大多数创新机会位于跨学科领域，这也会导致科学家错失抓住许多潜在跨学科突破的机会。为了将人工智能和机器人技术从做实验的工人转变成产生创新点的科学家，需要使人工智能系统能够像科学家一样阅读和消化知识。此外，跨学科潜力的探索要求人工智能系统掌握多个学科，这需要较高的学术能力和丰富的经验。由此，本文的研究者们提出了一种基于论文数据库（ScholarNet）的人工智能（AI）智慧导师，其中ScholarNet作为AI智慧导师的知识库，提供了期刊摘要、引用数据、基于科研关键词构建的知识图谱，以及其他与论文相关的信息。这一系统的主要创新包括利用张量网络预测研究焦点、全面特征提取、以及对ScholarNet的动态跟踪和特征映射。AI智慧导师的主要创新点包括：1）使用张量网络（TN）来预测研究重点，特别是在钙钛矿和MXene领域；2）从摘要和应用中进行全面的特征提取；3）跟踪ScholarNet随时间变化以及和特征映射的变化。这一设计相较于传统基于关键词的共现模型，可以实现更精确、更大规模的分析。

AI智慧导师的工作流程的示意图如下图所示，其包括四个关键组成部分：数据库构建（蓝色），论文处理（绿色），论文创新度评估（红色）和基于对话系统的最终输出（黄色）。数据库构建部分主要包括通过API和直接访问期刊网站，聚合所有公开的学术论文相关内容。这一过程中收集的数据经过注释和引文记录后，存储在专有数据库中，构成了ScholarNet和特征图的基础。接下来，论文处理步骤包括采集数据的清洗加工，包含摘要、关键词和引用关系提取。我们使用传统自然语言处理方法将关键词转化为词向量，以词向量间的相似度来定义不同论文文本在不同维度（例如材料、应用等维度）之间的关联度。随后，AI智慧导师对上文生成的论文相关数据使用基于张量网络的模型来评估论文创新点的新颖性。相较于传统的基于关键词的方法，这能更加精确地识别新的研究方向。最后，上述步骤输出的关键词和权重将会被格式化输入大模型中，以对话形式输出。下方动图展示了AI智慧导师基于论文分析的对话效果。

除了对话式科研指导，AI智慧导师的重要功能还包括对论文的新颖性进行评分。如下图三所示，这一评分标准是针对化学与材料科学论文深度优化的。在特征提取这一步骤时，AI智慧导师就会针对性的将目标论文中提取出的关键词分类为材料、方法、机理、应用、以及性能表现五个维度。随后，AI智慧导师会将目标论文与ScholarNet中已存储的最相似论文的关键词词向量进行对比；同时会将类似关键词的在ScholarNet数据库中的出现频率作为参考，最终对每个维度输出一个0-10分的评分。例如，对于MXene的开创性文章 (Two-Dimensional Nanocrystals Produced by Exfoliation of Ti3AlC2), 由于其首次报道Ti3C2这一类型的Nanosheet的合成并首次提出MXene这一命名，其在材料这一维度获得了9.5的高分。同时，论文中对其结构性质的分析尽管与其他二维材料（Carbon, MoS2）等有相同之处，但仍因为对应理论分析完全基于此新结构而获得了9.1的高分。对比来说，蚀刻和剥落（Etching and exfoliation）这一方法尽管是首次在MXene材料中应用，但其在其他二维材料中已有许多应用先例，本文的方法并未存在决定性的创新点，因此获得7.7分的较高分。最后，论文的总评分被定义为两个最高得分维度的平均值，这是因为我们认为，在这五个维度中若有至少两个高质量创新，即可定义为高质量文章。这篇文章的AI智慧导师创新性评分即为9.3分。

本文提出的AI智慧导师基于多维引用网络数据，为研究人员提供了一个全面的工具，用于评判文章质量，生成创新点并为潜在研究方向提供参考。尽管还存在一些挑战，例如：1）其依赖于公开可访问的学术论文数据，可能无法涵盖所有相关信息；2）其给出的建议和见解是基于已有数据的统计分析，可能无法捕捉个别研究的特殊情况；3）其性能仍受到自然语言处理和深度学习等技术的局限性影响。特别需要注意的是，AI智慧导师提供的信息以及评分只应作为研究人员决策的参考，而不是绝对的指导，但随着技术的不断发展，我们有理由相信技术会慢慢迭代，人工智能在材料科学领域将发挥越来越重要的作用。

关于作者

本文作者为香港中文大学（深圳）博士生徐彦恒、叶树谦，通讯作者为朱熹教授。过去五年的时间里，朱熹教授领导团队先后开发了基于智能机器人和云计算技术的云端材料化学实验室MAOSIC，以及区块链赋能的智能化学实验系统BiaeP。实现了传统化学材料实验室的数字化和智能化改造，以及实验数据的防伪。此次发布AI智慧导师，将与先前开发的上述多个智能化学实验系统实现有机结合，打通从“自动做实验”到“自主做科研”的链路。深入研究这一链路并完善整个流程中的各个步骤，可以有效助力传统化学与材料科学的路径革新，促进其在AI时代的新发展。

转自：“ACS美国化学会”微信公众号

如有侵权，请联系本站删除！