日本北陆先端科学技术大学院大学等开发出一种AI系统，运用专家知识探索材料

背景：高熵合金作为一种由多种元素组成的新型合金，因其优异性能而备受关注，但其庞大的成分空间和复杂的相形成机制使得发现理想成分极具挑战。传统数据驱动方法在预测未知合金体系时存在局限。研究目的：为了克服这一挑战，研究团队开发了一个整合材料数据库数据与从科学文献中提取的跨领域专家知识的新AI框架，旨在加速高熵合金的发现进程。结论：该框架利用大型语言模型系统提取专业知识，并通过Dempster-Shafer理论整合数据和知识，在预测未知合金体系时实现了高精度，超越了传统经验法则，并展现出良好的通用性，为高效探索复杂材料成分空间开辟了新路径，是“AI for Science”的典型案例。