AI飞速筛选新型二维材料，但如何合成却成瓶颈。一项突破通过构建超大规模合成数据库MatSyn25，将散落在海量文献中的实验经验数字化、结构化，为科研人员提供了可直接检索和应用的合成方案，极大加速了新材料的研发进程。
智能速览
二维材料的AI预测与实际合成之间存在巨大鸿沟。
MatSyn25数据库从8.5万篇论文中提取了16.3万条合成记录。
利用微调模型实现高精度信息提取，并训练了能防幻觉的专用AI模型。
模型成功指导合成了热力学条件苛刻的镍基纳米晶耦合材料。
该开源项目有望实现从“计算性能”到“获取合成说明书”的科研闭环。
精华内容
科研的进步常被信息鸿沟阻碍。MatSyn25的出现，正是要将那些隐于文献、存于经验的宝贵合成知识，转化为驱动创新的标准化数字资产。
海量数据基石
MatSyn25的核心价值在于其庞大的数据量。研究团队从8.5万篇学术论文中，自动化地提取并结构化了16.3万条具体的二维材料合成记录。这涵盖了石墨烯、MXenes、TMDs等主流材料，并包含了超过140万个工艺参数和38万件实验设备的详细信息。所有数据都链接了原始论文的DOI，确保了可追溯性。
AI技术亮点
为了解决文献描述碎片化的问题，该项目采用了微调后的Qwen3大语言模型进行信息提取，精度高达0.98。基于此数据库，团队开发了MatSynAI模型，它能推荐合成方案。为防止AI产生“幻觉”，模型结合了推理链与检索增强技术，确保了推荐方案的科学性和可靠性。
实验成功验证
理论模型的价值需经实验检验。团队设置了一个高难度任务：一步电沉积合成镍纳米晶/氢氧化镍耦合材料。这种材料的两组分热力学稳定区间几乎不重叠，合成条件极为苛刻。MatSynAI提供了一套完整实验方案，最终的XRD、XPS和Raman检测结果证实，目标材料被成功合成。
开源与未来
MatSyn25的意义在于将零散经验变为可检索、可训练的数字资产，为材料科学研究构建了新基础设施。它有望实现从“材料性能计算”到“获取合成说明书”的闭环设计。整个数据库、模型和交互平台均已开源，为全球科研人员，尤其是化学领域工作者，提供了一个强大的工具，能将他们从繁琐的试错实验中解放出来。
MatSyn25不仅是一个数据库，更是一种科研范式的转变，它将宝贵的合成知识从“孤岛”变为“大陆”。当AI不仅能预测材料，还能给出“制作说明书”，新材料的发现周期将被极大缩短。这是否意味着未来的化学家，将更多地在AI的辅助下探索未知？
