我国科研团队「造」出 200 微米高质量单晶石墨，厚度为世界水平 3 倍以上

一句话看懂：上海人工智能实验室联合多家单位，利用 AI 构建亿级计算材料数据库和机器学习势模型，成功制备出厚度超 200 微米、厘米级尺寸的高质量单晶石墨，其厚度达到此前世界纪录的 3 倍以上，标志着 AI 驱动的「机制发现」已能直接指导材料制备工艺的突破性优化。

事件核心：发生了什么

2026 年 5 月 13 日，上海人工智能实验室联合苏州国家实验室、清华大学等团队宣布，基于 2030 新一代人工智能国家科技重大专项部署，首次实现厚度超过 200 微米、厘米级尺寸的高质量单晶石墨的可控制备。在制备过程中，团队利用自建的高覆盖度镍-碳体系亿级计算数据库，结合苏州国家实验室开发的 NEP 机器学习势方法以及主动学习工作流，训练出能模拟超十万原子规模、百万步动力学的 AI 势函数模型。该模型揭示了碳原子在镍晶格中偏析、扩散和孪晶晶界对碳迁移的加速机制，并通过定量模拟明确了温度、溶解度、扩散速率等关键参数对生长质量的影响，最终指导实验系统产出厚度达此前世界纪录 3 倍以上的单晶石墨。

为什么重要

这一成果的重要性不在于单纯刷新厚度纪录，而在验证了一条从「试错摸索」到「机制驱动」的材料研发新范式。传统材料制备依赖大量实验经验调整参数，成本高、周期长；而该团队通过 AI 模型在原子尺度重现并解释了单晶石墨的生长全过程，使工艺优化具备了可量化、可预测的底层理论支撑。这意味着 AI 对于材料科学的赋能已从辅助预测进入「因果发现」阶段——不仅能加速计算，更能锁定真实的物理机制。这为后续在电子器件、高端装备热管理等领域的产业化提供了可靠路径，也展示了海量数据+高精度模型+主动学习工作流组合作为通用科学工具的巨大潜力。

对用户/开发者/创作者的影响

对从事材料科学、计算化学的科研人员而言，该团队开源的亿级数据库和计算材料智能体框架降低了同类工作的数据获取门槛，后续可基于相似 AI 工作流开发适用于其他晶体或二维材料的势函数模型。对 AI 开发者和平台企业来说，这一案例进一步证明了大规模专用数据库（而非通用开源库）和主动学习策略在科学场景中的关键价值，可能会引发更多科学计算领域的「数据-模型-实验」闭环基础设施投资。对于使用单晶石墨的高端制造企业（如半导体衬底、散热膜厂商），这一突破意味着未来几年内可获得更厚、缺陷更少的国产原料，有望优化器件的散热和电子输运性能。

AI 工具推荐

想把多个 AI 模型放在一个入口？

GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。

了解 GamsGo AI

推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。

值得关注的后续

1. 该团队表示将继续推动单晶石墨的规模化量产研究，建议关注其厚度与面积是否能从厘米级扩展至晶圆级；2. 基于同一数据库和 AI 框架制备方法是否会被移植到其他二维材料（如氮化硼、过渡金属硫族化合物）体系中；3. 上海人工智能实验室是否会开放其计算材料智能体框架和 NEP 势函数接口供第三方复现或定制。

来源：Readhub · AI

我国科研团队「造」出 200 微米高质量单晶石墨，厚度为世界水平 3 倍以上