传统的材料发现过程复杂、耗时且成本高昂，往往需要数年持续投入。近年来，大型语言模型（LLM）的快速发展展现出强大的信息处理能力，为智能自主材料研究提供了新的机遇。
在《物质》（Matter）杂志上发表的一项研究中，由中国科学院深圳先进技术研究院（SIAT）于学峰教授领导的研究团队开发了一种知识驱动的多智能体和机器人系统（MARS），用于端到端的自主材料发现。
这套系统不是单打独斗，而是组了个“科研天团”
MARS 是一种知识驱动的分层架构，它协调 19 个 LLM 智能体和 16 个特定领域的工具，这些工具被组织成功能模块，通过集成机器人实验实现闭环自主材料发现。
MARS 具有不同的功能组，这使得智能体能够进行专门的推理，并模拟了人类主导的实验室的工作流程。
这套系统把19个大语言模型分成五个小组，每个组干专门的活，跟咱们学校里分科一样清楚。
第一个叫“总调度”，负责任务协调的协调小组，相当于班长，负责分配任务、盯进度、催交作业；
第二个是“科学家组”，负责知识检索和解决方案设计的科学家小组，专门翻文献、找灵感、设计新材料的配方；
第三个是“工程师组”，负责将设计转化为可执行协议的工程师小组，把科学家那些天马行空的想法翻译成机器人能听懂的“人话”——比如“加点钙钛矿”得变成“移液枪吸取0.5毫升浓度为0.1摩尔每升的氯化铅溶液”；
第四个是“执行组”，负责控制机器人平台的执行小组，直接控制机械臂、加热炉、离心机这些设备动手干活；
最后一个是“分析师组”，负责数据解释和优化策略的分析师小组，盯着实验数据看哪里不对劲，然后告诉科学家：“兄弟，这回失败了，但失败得很漂亮，咱们下回这么改！”五个组环环相扣，形成一个闭环，就像一条全自动的科研流水线，24小时不睡觉，还不用发工资。
它怎么解决AI爱“胡说八道”的毛病？
现在的大语言模型有个臭毛病：容易“幻觉”——就是一本正经地胡说八道。比如你问它“怎么合成稳定钙钛矿”，它可能给你编个根本不存在的化学反应式。
这套系统聪明就聪明在，它不让AI自己瞎编，而是搞了个“混合检索增强生成”机制。
啥意思？
就是AI每次要说话前，先去翻真实可靠的科学数据库，找到相关论文、实验记录、材料手册，把真凭实据摆在面前，再基于这些事实生成答案。
这就像是考试前先让你翻课本，再答题，当然不容易错。所以它给出的材料设计方案，不是凭空想象，而是有根有据的专业建议，靠谱多了！
实验效果有多猛？3个半小时搞定人类要干好几天的活
光说不练假把式，这套系统到底行不行？
研究团队拿它去优化钙钛矿纳米晶的合成工艺。钙钛矿这东西，发光效率高，成本低，是下一代太阳能电池和LED的热门材料，但它有个致命弱点：怕水！一碰水就分解。
人类科学家通常得试几十上百次，花几周甚至几个月才能找到稍微稳定一点的配方。而这个“MARS系统”只用了10轮实验，就找到了最优条件。
更狠的是，它还自己设计出一种仿生结构——叫“核壳冠”三层结构，听起来像水果，其实是模仿生物细胞膜的保护机制，给钙钛矿穿上三层防护服：里面是发光核心，中间是保护壳，外面还有一层亲水冠，既能挡水又不影响性能。
整个设计加验证，只花了3个半小时！你泡三杯方便面的时间，它已经搞定一个新材料方案了。
作者背景硬核，来自中国科研前沿阵地
这项研究的通讯作者于学峰教授，任职于中国科学院深圳先进技术研究院（SIAT）。这个机构可不是普通研究所，它是国家在粤港澳大湾区布局的战略科技力量，聚焦人工智能、 robotics、先进材料、生物医药等前沿交叉领域。于教授团队长期深耕智能材料与自动化实验平台，这次把大语言模型和机器人深度融合，正是其多年技术积累的爆发。
第一作者史同宇等人也都是该领域的青年才俊，既有扎实的材料学功底，又精通人工智能与自动化控制，属于典型的“文武双全”型科研团队。
这项工作的独特性：首次实现知识驱动的多智能体-机器人闭环
虽然之前也有AI辅助材料发现的尝试，但大多停留在“AI提建议，人类做实验”的半自动阶段。而“MARS系统”是首个真正实现“知识驱动 + 多智能体协作 + 机器人执行 + 数据反馈优化”全链条闭环的系统。它不只是用AI加速某个环节，而是重构了整个科研工作流。19个智能体分工协作，模拟人类实验室的组织结构；知识库作为共同记忆，避免信息孤岛；机器人作为物理执行终端，打通数字世界与现实世界的最后一公里。
这种“数字大脑+机械身体”的模式，为未来自主科学实验室树立了新范式。