多模态人工智能

多模态人工智能研究小组成立于 2024年9月，专注于 AI for Science 方向的研究，致力于探索 多模态学习与生成模型 在科学问题中的创新应用。我们聚焦于 谱学、材料科学与电池技术 等领域，利用人工智能挖掘数据间的深层次关联，推动智能化科学研究的发展。

研究方向

• 谱构关系（Spectral-Structure Relationship） 融合核磁、拉曼、XRD等谱学数据，基于深度学习方法揭示材料微观结构与光谱响应之间的映射关系。
• 电池设计（Battery Design） 利用生成模型与多模态学习优化电池材料的结构与性能预测，加速高性能储能材料的发现与设计。
• 结构解析（Structural Analysis） 结合X射线衍射、电子显微学等实验数据，借助人工智能方法进行材料结构解析与晶体预测。
• 分子表示（Molecular Representation） 探索分子图学习、多模态Transformer等模型，开发高效的分子与材料表示方法，提升AI在化学与材料科学中的泛化能力。

研究成果

自成立以来，小组在 AI for Science 方向取得了阶段性进展，并在国际顶级期刊发表重要研究成果，包括学术论文Nat. Comput. Sci. 一篇，Adv. Sci. 一篇。

未来展望

我们将继续深化多模态人工智能与科学计算的融合，推动数据驱动的科学发现。研究小组期待与学术界和工业界的研究者展开广泛合作，共同探索 AI 在科学研究中的更多可能性。