日本科研团队开发AI系统DIVE：通过“阅读”文献加速新型储氢材料研发

日本东北大学材料科学高等研究所（WPI-AIMR）的科研团队近期研发出一种名为DIVE（视觉表达描述性解读）的创新人工智能工作流。该系统旨在通过自动化分析海量科学文献，大幅提升寻找新型能源材料的效率，特别是在氢能储存领域展现出巨大潜力。

研发团队指出，尽管目前完全自主的材料研发方案仍处于起步阶段，但DIVE系统的出现填补了实验数据与新材料发现之间的鸿沟。它能够高效地提取并结构化处理那些传统分析手段难以触及的深层信息，为科研人员提供了强有力的数字化支持。

DIVE系统的核心优势在于其强大的视觉数据处理能力。它不仅能理解文字描述，还能直接从学术论文中的图表和图像中精准提取实验数据。这一功能将原本难以被机器识别的视觉研究成果转化为可供深度分析的结构化数据，极大地扩展了信息获取的边界。

截至目前，该系统已成功处理了超过4000篇学术论文，并积累了逾30,000条独立的数据记录。如此庞大的信息体量使得科研人员能够进行大规模的对比分析，从而发现那些在人工查阅时极易被忽略的潜在科学规律。

在针对固态储氢材料的专项测试中，DIVE展现出了卓越的性能表现。其实验数据提取的准确率比现有的商业人工智能模型高出10%至15%，而相较于开源系统，其准确率优势更是超过了30%，证明了其在专业领域的可靠性。

为了提升科研效率，该系统配备了直观的对话式交互界面。研究人员只需输入所需的性能参数，系统便能在几分钟内筛选出匹配的材料，甚至包括一些此前从未被详细描述过的新型材料。这种“逆向设计”模式允许专家预设目标属性，再由AI寻找对应的物质基础。

目前，DIVE技术已深度整合至数字氢能平台（DigHyd）。作为全球最大的固态储氢数据库，该平台是首个专门为氢能材料设计打造的数字环境，为实现精准的材料工程和定向研发奠定了坚实基础。

WPI-AIMR的李昊（Hao Li）教授强调，深入理解材料属性是推动清洁氢能发展的核心。只有掌握了这些关键数据，才能开发出更安全、更经济且适合大规模应用的氢能技术，从而真正实现能源结构的转型。

李昊教授进一步指出，DIVE系统的应用将显著缩短从实验室发现到技术落地之间的路径。通过DIVE与DigHyd平台的协同作用，科研界已形成了一个持续更新的数据流水线，每日都有最新的全球研究成果注入其中，保持了数据的时效性。

这种由人工智能驱动的科研新范式，预示着氢能时代的加速到来。随着数据量的不断积累和算法的持续优化，未来的能源材料研发将变得更加高效且具有预见性，为全球绿色能源目标的实现提供技术保障。