【ZiDongHua 之“创新自化成”标注关键词：清华大学 人工智能 机器学习 】
 
　　上海AI实验室、苏州国家实验室、清华大学联合团队
制备大面积单晶石墨，200微米厚度刷新世界纪录 | AGI4S进行时
 
　　高质量、大面积单晶石墨是突破高功率芯片热管理、微机电系统超润滑及高端半导体装备核心部件性能瓶颈的关键战略材料。当前，受制于传统试错范式，该类材料的可控制备工艺长期面临底层机制不清、研发周期长、量产难等挑战。
 
　　近日，依托2030新一代人工智能国家科技重大专项总体部署，上海人工智能实验室联合苏州国家实验室、清华大学等合作单位，围绕“人工智能赋能大面积单晶石墨可控制备”开展协同攻关，打通了从海量数据构建、机器学习势函数开发、原子尺度机制解析到实验制备验证的全链条研发路径（即“数据—模型—机制—实验”），成功实现厘米级尺寸、厚度超过200微米的高质量单晶石墨可控制备，为人工智能赋能战略材料研发提供了前沿经验。
 
　　数据筑基：亿级计算材料数据库支撑训练
 
　　人工智能辅助材料研发的核心前提是高质量数据支撑。为实现单晶石墨的精准制备，联合团队构建了面向机器学习原子势训练的亿级计算材料数据库，该数据库在数据完整性、精准度及覆盖范围上显著优于以往小规模数据库，有效突破了以往依赖小规模开源数据或通用数据库的局限，为后续高精度AI模型研发筑牢底层根基。
 
　　该数据库重点涵盖镍-碳体系机器学习势训练所需的高质量计算数据，包含不同尺寸的镍团簇、体相、表面结构，以及上述镍结构与碳原子、碳链、碳环、石墨烯、石墨等多种碳构型在不同温度下形成的复合构型，为高精度机器学习势的训练提供了兼具广度与可靠性的支撑，也为材料表界面AI模型研发奠定了坚实基础。
 
　　算法牵引：机器学习势函数模型搭建原子尺度解析桥梁
 
　　基于上述数据库，联合团队采用苏州国家实验室开发的高精度、高效率NEP机器学习势方法，结合上海人工智能实验室开发的主动学习工作流、不确定度分析算法以及计算材料智能体框架，成功开发出机器学习势函数模型，突破了传统第一性原理计算在尺度与时间上的局限。
 
　　该模型可完成超过十万原子规模体系、百万原子步的复杂界面动力学模拟，能够捕捉孪晶晶界加速碳迁移等关键微观机制，为理解高质量单晶石墨的宏观生长现象提供了原子尺度的计算桥梁。
 
 
 
　　机制驱动：制备200+微米单晶石墨超世界纪录
 
　　在高精度机器学习势函数模型的辅助下，联合团队开展大规模、长时间的原子级动力学模拟。通过模拟实验，团队不仅揭示了碳原子在镍晶格内偏析、扩散、成核至生长的迁移全过程，还复现了其在镍单晶及含孪晶晶界界面处溶解、偏析、成核与外延生长的演化全过程，厘清了单晶石墨的生长机制。
 
 
　　另外，联合团队还通过定量模拟实验，明确了反应温度、碳溶解度、原子扩散速率、孪晶晶界结构等核心参数对单晶石墨生长质量调控规律，为材料制备工艺的优化升级，提供了可量化、可预测、可落地的理论支撑与计算依据。
 
　　基于上述科学发现，联合团队搭建了单晶石墨生长系统，最终成功制备出厘米级尺寸且厚度超过200微米的高质量单晶石墨——该厚度是当前世界水平的3倍以上。这一科研突破也探索了一条从“试错摸索”向“机制驱动”转型的智能化科研路径，验证了AI作为驱动科学发现“革命的工具”的重要价值。
 
 
　　未来，联合团队将进一步依托人工智能模型开展实验工艺参数优化与规模化制造研究，持续推动单晶石墨向更高质量、更大面积和更稳定量产方向发展，积极拓展其在电子器件、热管理和高端装备等领域的应用潜力，探索形成以海量数据为基础、以人工智能模型为核心、以机制理解为牵引、以实验制备为验证、以规模制造为目标的全新研发范式，推动人工智能与材料科学深度融合不断走深走实。