随着材料基因组工程研究发展和“AI for Science”理念的兴起，人工智能（AI）技术在材料科学等众多研究领域中正迅速成为推动科技创新的核心驱动力。通过其强大的数据处理能力、模式识别和预测分析能力，为传统的材料研发过程带来了前所未有的变革，开启了全新的研发范式。在这一背景下，如何有效地将AI与材料设计和性质研究相结合，成为了目前学术研究过程中的关键性问题。
钱伟长学院/材料基因组工程研究院本硕博一体化学生在杨炯教授团队探索将AI应用于防伪标签和热电材料的研究领域，充分发挥了其在图像特征提取和热输运性质预测等方面的潜力。具体成果如下：
一、提出了一种基于像素级纹理的荧光防伪标签技术，通过生成独特、不可复制的微观纹理并具有高编码容量，有效解决了传统防伪标签的可复制性问题。本研究采用微纳激光刻蚀机和高通量自动化制备方法，并借鉴人脸识别技术，实现高效刻蚀、标签生成和快速识别，如图1所示。具体而言，刻蚀速度达到每3秒1,200个标签，高通量制备每4分钟产出2,400个标签并自动化快速分割，总共生成约5.2×104个标签。为了提升识别过程的鲁棒性，进行任意旋转和亮度变化来增加训练数据量，标签数量进一步扩展到约5.2×106个。在标签识别阶段，研究团队在大数据量的标签数据库中利用人脸识别技术实现了毫秒级的识别速度，且准确率达98.7%以上。该研究为像素级纹理防伪标签的实际应用奠定基础，展现出广阔的工业应用前景。该成果在以“Automated production of batched unclonable micro-patterns anti-counterfeiting labels with strong robustness and rapid recognition speed”为题，在《Journal of Materials Informatics》上发表（DOI: 10.20517/jmi.2024.36）。本工作的第一作者为2019级钱院长学院材料设计科学与工程专业学生贺雨峥，通讯作者为材料基因院杨炯教授与巫金波教授。
图1. 激光刻蚀、标签生成和识别的全过程
二、在《Digital Discovery》（DOI: 10.1039/d4dd00240g）上发表了题为“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，如图2所示。该工作建立了包含130种半哈斯勒（HH）化合物的标准化机器学习原子间势（MLIP）数据集—HH130，并于课题组原有的数据库MatHub-3d上提供公开下载。这是目前公开发表的第一个机器学习势函数数据标注相关的工作。同时基于该数据集，团队批量计算了HH化合物在三声子（3ph）和传统方法中耗时耗力的四声子（4ph）相互作用下的晶格热导率（κL），揭示了原子间相互作用与热输运性质之间的复杂关系。HH130数据库提供了可用于HH热电材料热输运性质研究的高精度MLIP模型及数据集，实现了在更大规模热电材料计算中精度和效率的良好平衡，为高通量筛选和设计低热导率热电材料提供了强有力的工具。本工作的第一作者为2020级钱院长学院材料设计科学与工程专业学生杨钰嫣，通讯作者为材料基因院杨炯教授与戴胜男博士。
图2. HH130的建立及其在HH热电材料热输运性质研究中的应用
此外，杨钰嫣同学凭《Digital Discovery》发表的相关工作获第八届材料基因工程高层论坛优秀墙报奖一等奖（如图3a所示右四），也是上海大学唯一在本届会议上获墙报奖的学生。本届材料基因工程高层论坛共有钱伟长学院2019级—2023级共13位材料设计科学与工程专业的同学（如图3b所示），先后7位同学加入了本硕博一体化项目，积极探索高水平会议作为本科人才培养的学习实践平台。
(a)
(b)
图3. (a)杨钰嫣同学（右四）凭Digital Discovery上发表的相关工作获第八届材料基因高层论坛优秀墙报奖一等奖；(b) 参加高层论坛的13位钱伟长学院在读本科同学及本硕博一体化项目同学
以上研究主体内容均是两位一作同学在本科四年级时完成，大四这一年本研融合阶段为本硕博一体化培养奠定了良好的基础。钱伟长学院探索本硕博一体化项目，为入选学生建立了定制式、个性化的创新人才培养计划，该项目为学生早进实验室、早进课题组、早进科研团队等提供条件保障，有助于优秀本科人才的长周期培养。系列研究成果的发表，初步展示了钱伟长学院与材料基因组工程研究院通过强院强所、深度融合，有效支撑基础学科拔尖人才培养和高水平学科交叉发展。