北京
Google DeepMind与杜克大学联合发布的AI科研系统Co-Scientist，这次升级有点不一样。过去它只能在计算机里“想”出科学猜想，再由人类去验证；现在它第一次走出屏幕，在真实的高温反应炉里亲手“造”出了半导体材料。
这项工作的核心突破，是把AI从“纸上谈兵”的假设生成器，变成了一个能贯穿假设生成、实验执行到论文撰写的闭环科研伙伴。论文已上传至arXiv，合作单位涵盖Google、杜克大学、哥伦比亚大学和德州农工大学。
AI设计的配方，在真实炉子里跑通了
材料科学部分的物理实验验证，全部在杜克大学王浩哲课题组完成。团队将Co-Scientist与实验室自建的半自动化化学气相沉积（CVD）系统对接，让AI设计的合成方案在真实设备上接受检验。
这意味着AI给出的不再是停留在纸面上的想法，而是可以直接在设备上运行的生长配方。针对杜克实验室CVD系统的具体几何结构和现有原料，Co-Scientist从272个候选方案中，提出用六氯乙烷替代剧毒、易挥发的四氯化钛作为前驱体，走一条“自下而上”合成二维碳化物晶体的新路线。
经过25轮迭代优化，团队成功生长出高结晶度的二维层状晶体，其X射线衍射、扫描电镜、能谱及球差电镜表征均显示出与Ti₃C₂Tₓ MXene高度一致的晶格特征。当然，最终的原子级相结构仍需进一步的截面原子分辨电镜验证。
数分钟生成配方，一次长出三种单层半导体
更让人意外的是效率。二维过渡金属硫族化合物（TMD）被寄予厚望，但其CVD生长对设备高度敏感，文献配方往往无法在不同实验室之间直接复现，通常需要数月的反复摸索。
Co-Scientist仅根据杜克实验室自建设备的硬件约束——炉体结构、可用化学品、衬底类型——在没有任何历史配方参考的情况下，生成了完整的工艺参数，第一次尝试就成功合成出高质量单层MoS₂，三角形单晶尺寸超过50微米，拉曼光谱确认了其单层厚度。
团队还把该方法推广到实验室此前从未合成过的MoSe₂和WS₂，同样一次成功。借助Gemini 3 Deep Think的快速推理能力，Co-Scientist能在数分钟内生成配方，并直接将其转化为控制CVD设备的机器指令，整个实验流程约一小时即完成三种材料的首次生长。
半导体行业AI科学家张笑通博士评价说，这项工作把大模型多智能体系统真正接入了半导体材料的研发与制备，打通了从设计配方到设备执行、再到表征验证的闭环。传统CVD工艺对设备高度敏感，配方很难跨设备迁移，调试往往要耗费大量人力、资金和时间，而Co-Scientist仅凭设备信息和硬件约束，数分钟内生成配方，一次成功长出三种单层半导体。
生物学和计算机科学同步验证
材料之外，Co-Scientist在另外两个领域也拿出了结果。在生物学领域，它与哥伦比亚大学合作，从稀疏的成像数据中预测工程大肠杆菌在不同诱导剂浓度下的群集形态，预测结果与未发表的湿实验测量在四项形态指标中的三项达到定量吻合。
在计算机科学领域，Co-Scientist在仅给定研究方向、无人干预的情况下，自主设计出推理时扩展架构Agent_H，在HealthBench Hard与Professional基准上超越了六个前沿模型，并在医生盲评中显著降低了潜在临床风险。
让AI科研更可靠、更安全
针对AI科研系统容易“编造结果”和“抄袭”的问题，团队引入了可靠性模块：将幻觉和抄袭惩罚直接纳入优化目标，并将论文中的每一项定量结论与原始实验运行日志逐条比对。
一项由30位领域专家参与、共450次独立评审的双盲研究证实，这些机制显著降低了严重幻觉和抄袭的发生率；内置的安全系统拒绝了98.7%的有害研究请求。
从“在计算中提出假设”到“在真实设备上完成验证”，这次升级标志着AI科研范式的一次关键转折。AI不再只是人类科学家的“思考助手”，而开始成为能够动手、能被检验、能对结果负责的科研伙伴。
当然，这项工作仍处于早期阶段：CVD系统只是半自动化，新型碳化物的原子级结构仍待确认，从“一次成功”到“稳定量产”之间还有很长的路。但方向已经清晰——随着AI与实验设备、表征仪器和制造工艺的深度融合，“AI设计并制造自身硬件”的愿景正从科幻走向工程议题。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
