材料创制是一项涉及多学科知识交叉的复杂系统工程，长期面临研发周期长、试错成本高等挑战。近年来，大语言模型（LLM）在辅助材料设计与预测方面展现出巨大潜力。然而，当前通用大模型参数巨大，部署成本高，并且在严谨的材料推理和复杂的多步工具调用之间难以兼顾，成为AI for Materials领域面临的关键难题。

日前，中国科学院深圳先进技术研究院（简称“深圳先进院”）材料人工智能研究所喻学锋团队成功打造了面向材料创制的轻量化双模型协同智能体MatBrain。相关工作以“A collaborative agent with two lightweight synergistic models for autonomous crystal materials research”为题，于2026年9月10日在《Nature Machine Intellegence》（《自然-机器智能》）在线发表。

深圳先进院喻学锋研究员、王佳宏研究员为论文通讯作者；深圳先进院博士后史桐雨、博士生李玉堂、研究助理李湛渊和博士后（已出站）刘倩为论文共同第一作者。深圳先进院为论文第一单位。

在该研究中，喻学锋团队首次提出了知识+工具双模型融合的材料创制智能体技术理念，通过自主开发轻量化科学推理模型Mat-R1和工具执行模型Mat-T1，构建了“科学推理-工具执行”双模协同智能体MatBrain。具体而言，针对通用大模型在材料科学任务中存在专业知识碎片化、物理化学约束理解不足、复杂科学推理稳定性不高等问题，提出“多源知识关联—推理数据蒸馏—领域能力内化”的材料科学推理模型构建方法，研制轻量化科学推理模型 Mat-R1。针对现有大模型智能体主要依赖提示词或预设流程调用科研工具，存在工具选择不稳定、复杂参数易出错、多步骤任务易中断、长程执行能力不足等问题，提出“工具即环境、执行即反馈”的科学工具过程强化学习方法，研制轻量化工具执行模型Mat-T1。借鉴认知分析与行动执行分工协同的类脑机制，将低熵科学推理模型Mat-R1作为“认知中枢”，将高熵工具执行模型Mat-T1作为“行动中枢”，建立共享状态驱动的“生成—验证—反馈—再执行”动态闭环，实现复杂科研任务的自主纠错、迭代探索和长程闭环。

MatBrain通过有效降低因“低熵知识推理”与“高熵工具执行”冲突引发的“信息熵坍缩”概率，实现了科学知识可靠性与工具探索灵活性的协同统一，在多项材料预测和结构设计任务中预测准确率相较于GPT-5等主流模型提升66%，并将先进材料智能体的硬件部署成本降低95%以上；在实际案例中，MatBrain自主完成3万个候选晶体结构生成、七级筛选及候选优选，在48小时内获得38个新候选材料并指导实验开展，验证了双模智能体开展复杂材料创制任务的自主科研能力。

团队相关核心专利“一种双模型协同的轻量化材料科学智能研究方法与系统”已获得授权，同时登记了“材料科学模型协同生态平台软件V1.0”软件著作权，相关成果入选2025年度中国科学院网信工作十大进展。团队已经将MatBrain开发成可应用的AI智能体软件，现正式发布MatBrain体验版软件供公众下载（下载地址见文后链接）。

团队还一直致力于推动MatBrain的成果应用和转化。一方面，团队将MatBrain大模型与材料中试生产数据相结合，构建智能化材料中试解决方案。相关技术应用于团队孵化的控股企业中科先材，构建了AI驱动的先进功能材料中试平台，于2025年成功获批首批国家级制造业中试平台（全国仅21家，材料领域仅两家）。另一方面，团队还与多家企业共建创新联合体，助力企业研发提速增效。代表性地，团队与磷化工龙头企业兴发集团开展长期合作，将材智云脑MatBrain融合企业数据、构建面向磷化工及新材料领域的智能研发平台：兴发云脑；实现了从文献检索、知识分析、实验方案设计到工艺优化的全流程智能辅助，帮助兴发集团成为新能源领域增速最快企业之一。

此外，研究团队正致力于将MatBrain作为机器人“决策大脑”，与具身智能技术相结合，构建具身智能机器人科学家（Dr. Mind）。其在灵巧手控制、离心机操作、精准“反馈”移液、精准“微量”加粉、样品表征分析等方面实现了精准、智能的自主实验，帮助科研人员高效完成生化合成、材料创制、细胞培养、样品检测等科研任务，从而推动构建具身智能自主实验室新范式。

论文链接

材智云脑MatBrain体验版下载地址：https://matbrain.siat.ac.cn/trial.html

图1 | MatBrain双模型协同框架

图2 | MatBrain性能展示及实际案例研发过程

图3. 材智云脑MatBrain软件核心架构