我将讨论在材料与器件的设计和工程中大规模使用与部署人工智能（AI）技术的迫切需求[1]。首先，我将介绍我们在面向互连技术领域的新型先进材料（非晶氮化硼基化合物与碳基薄膜）方面的研究[2]。借助 AI 技术[3,4]，我们实现了对含数百万原子非晶模型电子/介电特性的前所未有的模拟，同时保持第一性原理级别的精度。这正在为科研人员与工程师带来革命性的范式转变——使他们能够获取更深层、更隐蔽的信息，从而将下至原子尺度的结构特征与最终的材料特性以及贯穿各工业领域的器件与技术性能关联起来。
我将进一步指出一种新兴的革命性趋势，即借助 AI 驱动的数字模型/数字孪生重建与原子尺度建模，对“生长态”材料进行完整描述（从多晶石墨烯到用于量子比特工业的半导体材料）。这为将生长态材料的深层原子尺度特征与其局部和全局的化学、物理及器件性能相关联提供了巨大的能力，可为工业创新战略提供逆向工程与 AI 驱动的协同驾驶。报告还将举例说明面向先进纳米电子学、高功率器件热管理、神经形态计算硬件以及基于二维材料及更大范围的先进自旋电子技术的端到端工作流[5]。
所有研究与技术领域都将被这场材料科学与技术中的 AI 革命深刻改变。我将特别以“石墨烯旗舰计划”十年来所开展的各类研究领域为例加以说明，该计划现由“创新先进材料倡议/伙伴关系”延续推进，并将在未来十年塑造欧洲乃至全球的格局。诸如我们 ICN2-ICREA 的衍生公司“Apeiron Intelligence”[6] 等新举措，将助力新型材料与器件的设计并增强产业竞争力。
参考文献
Malica C, Novoselov K, Barnard AS, Kalinin SV, Spurgeon SR, Reuter K, Roche S, et al., J. Phys. Mater. 8 (2025) 021001.
S. Hong, C. S. Lee, M. H. Lee, Y. Lee, K. Y. Ma, G. Kim, S. I. Yoon, K. Ihm, K. J. Kim, S. Roche et al, Nature 582 (7813), 511-514 (2020); C. T. Toh et al. Nature Electronics (2026).
Fan Z, Garcia JH, Cummings AW, Roche S, et al., Phys. Rep. 903, 1-69 (2021).
Th. Galvani et al. Journal of Physics: Materials 7 (3), 035003 (2024).
Botifoll M, Pinto-Huguet I, Rotunno E, Galvani T, et al., Advanced Materials (2025).
Apeiron Intelligence
