夜雨聆风万米水压、强盐腐蚀、高温考验……面对极端复杂的海洋环境，海洋关键材料研发长期受困于“试错法”——一种新材料从实验室到工程应用，动辄耗费十年时间，而大量已有研究成果又散落在海量文献中，科学家想查一个配方的来龙去脉，常要在论文海洋里“捞针”。
6月26日，中国科学院宁波材料技术与工程研究所与中国科学院文献情报中心联合发布“MarineMat AI”海洋关键材料AI科研助手。这款面向海洋关键材料领域的公共智能工具，将以人工智能技术打通文献、数据与知识之间的连接，为海洋关键材料核心应用场景筑起一条“数据高速路”。
据了解，MarineMat AI目前主要聚焦于耐磨耐蚀金属陶瓷复合材料体系，这是深海钻探装备关键部件的重要支撑方向之一。围绕这一体系，MarineMat AI着力打造了知识问答、材料检索和性能对比三个核心功能模块。
对科研人员而言，读论文最耗时的部分，往往不是摘要和结论，而是从数十页的正文中找到真正与研究问题相关的关键描述。
MarineMat AI的知识问答模块对论文进行了深度处理，将文献信息转化为结构化的问答对。这意味着，只要论文原文中有与问题相关的描述，系统就能精准定位到该篇论文，并给出有针对性的回正是为此而生。不同于常见的文献摘要生成或论文主旨概括，该模块答。每一条回答均附有明确的来源出处，确保信息可追溯、可核查。科研人员可以根据需要，在多个数据库和基础语义模型之间灵活选择，让检索方式更加贴合实际需求。通俗地说，这相当于为科研人员配备了一位可持续更新的“文献管家”，帮助他们更高效地获取专业知识。
对于材料科学家而言，为查找某一特定成分体系、制备工艺或性能参数的文献，通常需要访问多个数据库和期刊网站，并在不同论文的全文内容间交叉比对。这种分散化、粗粒度的检索模式，高度依赖科研人员逐篇判读，从海量检索结果中人工筛选与定位目标知识。这一过程不仅拖慢了材料研发节奏，更使科研人员难以将核心精力聚焦于高价值的创新研究。
MarineMat AI的材料检索模块从材料科学家的实际检索习惯出发，集成了多元化的材料查询方式，涵盖从元素周期表可视化点选、具体成分或关键词模糊匹配到材料三级分类逐级筛选的多场景需求，用户可根据具体需求灵活选用。锁定相关材料后，平台将呈现经梳理的、相关材料的关键信息与数据摘要，辅助用户快速判断论文的相关性；如需深入查阅，一键即可跳转至原文的具体表述。这一设计显著提升了相关论文的查找效率，兼顾了信息的丰富性和可溯性，让“查得快”和“查得全”不再矛盾。
材料研发的核心问题之一是比较不同方案的性能优劣。然而，来自不同文献的数据往往存在单位不统一、测试条件不一致等问题，导致横向对比困难。
MarineMat AI的性能对比模块正是针对这一现实痛点而设计。该模块的核心能力在于，通过将不同来源文献的同类性能参数（如硬度）映射至相同单位，同时对相关数据进行规范化与标准化处理，使得跨文献数据可以在同一尺度下进行有效对比分析。在此基础上，科研人员可以更加直观地查看和比较不同材料方案在各性能维度上的表现差异，减少手动换算单位与反复核对测试条件的繁琐工作。
此外，平台支持按性能类型和性能取值进行排序筛选。用户可根据具体需求，对某一性能指标进行升序或降序排列，从而快速锁定在特定性能上表现最优的候选材料。这种“以性能筛论文”的思路，将传统的文献调研从“先找论文、再看数据”转变为“先定性能目标、再追溯最优方案”，为下一步实验决策提供了清晰、可量化的数据支撑。
MarineMat AI的诞生，不仅为材料科学家提供了一件得力的“数字工具”，更展示了一幅“人工智能+新材料”融合发展的生动图景。未来，MarineMat AI平台将逐步整合涵盖长效防腐有机复合涂料、高性能无机防护涂层在内的多元数据资源，升级底层数据架构，着力构建推理分析能力更强、功能更加完备的智能体，从“能查会搜”走向“能思考、会建议”。
信息来源：潮新闻
