日本科學家研發 DIVE 人工智慧系統：自動「閱讀」學術論文並加速發現新型儲能材料

日本東北大學材料科學高等研究所（WPI-AIMR）的科研團隊近日發表了一項突破性的研究成果。他們開發出一套名為 DIVE（Descriptive Interpretation of Visual Expression）的創新人工智慧工作流程，旨在透過自動化分析海量科學文獻，大幅提升尋找高效能能源材料的效率。

研發團隊指出，雖然目前科學界正努力將實驗數據與新材料發現相結合，但能夠穩定執行此任務的完全自主化方案仍處於起步階段。DIVE 系統的誕生正是為了填補這一技術空白，它能有效提取並結構化處理傳統分析方法難以觸及的深層資訊，為材料科學研究注入新動力。

DIVE 的核心優勢在於其強大的視覺解析能力，能直接從學術期刊發表的圖表與圖像中精準提取實驗數據。這項功能將研究中原本難以被機器讀取的視覺元素，轉化為可供後續分析的結構化數據格式，極大地擴展了數據獲取的範疇。

截至目前為止，該系統已成功處理超過 4,000 篇學術論文，並從中累積了逾 30,000 條獨立的數據記錄。如此龐大的數據規模，使研究人員能夠進行大規模的跨學科對比分析，進而挖掘出隱藏在海量文獻中、僅憑人類肉眼或手動整理難以察覺的科學規律與材料特性。

在針對固態儲氫材料的專項測試中，DIVE 展現了卓越的性能表現。根據實驗結果顯示，其數據提取的精準度比現有的商業 AI 模型高出 10% 至 15%，而與常見的開源系統相比，其準確率優勢更是超過了 30%，確立了其在該技術領域的領先地位。

該系統配備了直觀的對話式界面，研究人員只需輸入特定的性能參數，即可在短短幾分鐘內獲得一系列符合要求的材料清單，其中甚至包含尚未在現有文獻中被正式描述過的新型材料。這種「逆向設計」（inverse design）的模式，讓科學家能先定義理想的材料特性，再由系統精準媒合相對應的化學組成。

目前，DIVE 技術已與全球規模最大的固態儲氫數據庫「數位氫能平台」（Digital Hydrogen Platform，簡稱 DigHyd）深度整合。作為首個專門為氫能材料設計打造的數位環境，該平台為精準開發新型氫能材料奠定了堅實的數據基礎，並向全球研究社群開放。

WPI-AIMR 的李浩（Hao Li）教授強調，深入理解材料的內在屬性是發展清潔氫能的關鍵。他認為，唯有掌握這些核心數據，才能開發出安全、廉價且具備大規模應用潛力的氫能技術，從而實現真正的能源轉型與環境保護目標。

李教授進一步指出，DIVE 系統能顯著縮短從科學發現到技術落地之間的轉化週期。透過 DIVE 與 DigHyd 的協同運作，科學界已形成一個可持續更新的數據管道，每日都有最新的研究成果匯入其中，確保了科研數據的時效性與完整性。

隨著人工智慧與材料科學的深度融合，未來的能源研究將不再受限於繁瑣的人力文獻檢索。DIVE 的成功應用不僅加速了氫能社會的到來，也為其他領域的先進材料研發提供了可資借鑒的自動化範式，預示著科學發現新紀元的開啟。