DeepForm 第四代模型从零设计新型晶体聚合物，将数年材料科学研究压缩至 72 小时

总部位于旧金山的 AI 公司 DeepForm 于 10 月 19 日发布了其第四代生成模型，宣布该系统在上线后的 72 小时内设计并经实验验证了三种新型晶体聚合物结构。公司声称，从期望的材料性能到可合成分子蓝图的整个工作流程，此前需要三到五年的实验室研究。

从性能指标到可合成分子

该模型内部代号为 Xenolith，训练数据基于 DeepForm 专有的 230 万个已知聚合物结构数据集，涵盖合成路线和 180 项不同的力学与热学性能测量。与以往先提出分子结构、再依赖独立模拟工具进行评估的生成方法不同，Xenolith 将性能预测和合成可行性整合到单一可微架构中。研究者只需输入目标规格——例如"拉伸强度高于 800 MPa，玻璃化转变温度高于 200°C，12 个月内可生物降解"——模型即可返回排名候选结构、预测性能和推荐合成路径。

三家独立实验室验证

DeepForm 邀请了三所独立大学实验室——麻省理工学院、苏黎世联邦理工学院和东京大学——尝试合成模型排名前三的候选结构，合成路线在实验室独立尝试之前不予分享。三家实验室均在两周内成功合成了至少一种目标聚合物，实验测得性能与 Xenolith 预测值平均偏差不超过 8%。72 小时从设计到合成的完整流程并未在实验室复现（麻省理工学院某实验室用时 11 天才完成合成），但公司强调这是实验室排期和人员限制所致，与化学反应本身无关。

在药物递送和航空航天领域的应用

目前最直接的应用集中在两个领域：可生物降解药物递送载体和高温航空航天复合材料。DeepForm 已与两家匿名制药公司和一家航空航天承包商签署合作意向书。据报道，该航空航天合作方正在寻求可在 350°C 持续工作的高性能聚合物，用于下一代发动机部件——目前已知尚无商业化聚合物能满足该规格。

对 AI 基础科学研究的长远意义

此次发布与以往 AI for Science 公告的不同之处在于端到端的完整流程。此前的系统要么擅长性能预测（给定已知结构，预测其行为），要么擅长生成设计（给定期望性能，提出可能的结构），但需要借助独立工具来衔接两者。Xenolith 将这一流程压缩为单一模型。公司已免费向学术研究者开放 API，希望 Xenolith 能成为材料科学教育和研究的基础工具。

学术界的质疑

并非所有人都信服。剑桥大学材料科学系的艾伦·赫加蒂教授提醒，三次成功合成"证明了概念可行性，而非该方法的普适性"。他指出，聚合物合成在放大时常因杂质、反应放热和工艺经济性等问题而失败，而实验室试管反应无法暴露这些问题。DeepForm 承认这一局限性，并表示计划在下一代模型迭代中与工艺工程团队合作，建立放大挑战的预测模型。