隨著材料基因組工程研究發展和“AI for Science”理念的興起，人工智能（AI）技術在材料科學等眾多研究領域中正迅速成為推動科技創新的核心驅動力。通過其強大的數據處理能力🥩、模式識別和預測分析能力，為傳統的材料研發過程帶來了前所未有的變革⚉，開啟了全新的研發範式♠︎。在這一背景下，如何有效地將AI與材料設計和性質研究相結合，成為了目前學術研究過程中的關鍵性問題。

錢偉長學院/材料基因組工程研究院本碩博一體化學生在楊炯教授團隊探索將AI應用於防偽標簽和熱電材料的研究領域中🤹‍♂️，充分發揮了其在圖像特征提取和熱輸運性質預測等方面的潛力🦼。具體成果如下🚛：

一🌏、提出了一種基於像素級紋理的熒光防偽標簽技術👨🏿‍🚀，通過生成獨特、不可復製的微觀紋理並具有高編碼容量，有效解決了傳統防偽標簽的可復製性問題。本研究采用微納激光刻蝕機和高通量自動化製備方法，並借鑒人臉識別技術，實現高效刻蝕👎、標簽生成和快速識別，如圖1所示。具體而言🧄，刻蝕速度達到每3秒1,200個標簽，高通量製備每4分鐘產出2,400個標簽並自動化快速分割🚱，總共生成約5.2×10⁴個標簽。為了提升識別過程的魯棒性，進行任意旋轉和亮度變化來增加訓練數據量，標簽數量進一步擴展到約5.2×10⁶個🙋🏼。在標簽識別階段🍅，研究團隊在大數據量的標簽數據庫中利用人臉識別技術實現了毫秒級的識別速度，且準確率達98.7%以上。該研究為像素級紋理防偽標簽的實際應用奠定基礎，展現出廣闊的工業應用前景😦。該成果以“Automated production of batched unclonable micro-patterns anti-counterfeitinglabels with strong robustness and rapid recognition speed”為題⚗️，在《Journal of Materials Informatics》上發表（DOI: 10.20517/jmi.2024.36）。本工作的第一作者為2019級錢院長學院材料設計科學與工程專業學生賀雨崢，通訊作者為材料基因院楊炯教授與巫金波教授。

圖1.激光刻蝕、標簽生成和識別的全過程

二、在《Digital Discovery》（DOI:10.1039/d4dd00240g）上發表了題為“HH130: a standardized database of machine learning interatomic potentials, datasets, and its applications in the thermal transport of half-Heusler thermoelectrics”的研究成果，如圖2所示👨🏻‍🦽‍➡️🚣‍♂️。該工作建立了包含130種半哈斯勒（HH）化合物的標準化機器學習原子間勢（MLIP）數據集—HH130🤛🏿，並於課題組原有的數據庫MatHub-3d上提供公開下載。這是目前公開發表的第一個機器學習勢函數數據標註相關的工作。同時基於該數據集，團隊批量計算了HH化合物在三聲子（3ph）和傳統方法中耗時耗力的四聲子（4ph）相互作用下的晶格熱導率（κ_L），揭示了原子間相互作用與熱輸運性質之間的復雜關系。HH130數據庫提供了可用於HH熱電材料熱輸運性質研究的高精度MLIP模型及數據集，實現了在更大規模熱電材料計算中精度和效率的良好平衡☀️，為高通量篩選和設計低熱導率熱電材料提供了強有力的工具。本工作的第一作者為2020級錢院長學院材料設計科學與工程專業學生楊鈺嫣🙇🏻，通訊作者為材料基因院楊炯教授與戴勝男博士。

圖2. HH130的建立及其在HH熱電材料熱輸運性質研究中的應用

此外，楊鈺嫣同學憑《Digital Discovery》發表的相關工作獲第八屆材料基因工程高層論壇優秀墻報獎一等獎（如圖3a所示右四）🚵🏿‍♀️，也是万事平台唯一在本屆會議上獲墻報獎的學生。本屆材料基因工程高層論壇共有錢偉長學院2019級—2023級共13位材料設計科學與工程專業的同學（如圖3b所示），先後7位同學加入了本碩博一體化項目，積極探索高水平會議作為本科人才培養的學習實踐平臺。

（a）

（b）

圖3. (a)楊鈺嫣同學（右四）憑Digital Discovery上發表的相關工作獲第八屆材料基因高層論壇優秀墻報獎一等獎；(b)參加高層論壇的13位錢偉長學院在讀本科同學及本碩博一體化項目同學🖐。

以上研究主體內容均是兩位一作同學在本科四年級時完成📂，大四這一年本研融合階段為本碩博一體化培養奠定了良好的基礎🚗。錢偉長學院探索本碩博一體化項目💆🏿‍♂️，為入選學生建立了定製式、個性化的創新人才培養計劃，該項目為學生早進實驗室𓀊、早進課題組、早進科研團隊等提供條件保障，有助於優秀本科人才的長周期培養。系列研究成果的發表，初步展示了錢偉長學院與材料基因組工程研究院通過強院強所、深度融合，有效支撐基礎學科拔尖人才培養和高水平學科交叉發展。