材料研发通常涉及大量试错，而人工智能在能源材料研究中展现出优化流程的潜力。日本东北大学WPI先进材料研究所的研究团队开发了名为“DIVE”的多智能体工作流系统，该系统可通过分析科学文献图像数据库，在数分钟内提出新材料方案，相关成果已在《化学科学》期刊发表。

DIVE系统从超过4000篇科学出版物、总计3万余条数据中提取信息，专注于固态储氢材料领域的数据整理与分析。测试显示，其数据提取准确率较商业模型高出10%至15%，较开源模型提升超过30%。系统采用对话式交互界面，用户仅需输入所需材料特性要求，即可获得匹配建议，并能提出文献中未记载的新材料方案。

WPI先进材料研究所杰出教授李浩（音译）表示：“DIVE能够将文献中的科学知识转化为可操作的创新方案，为化学和材料科学领域的加速发现提供了可扩展的路径。”

该研究构建了一个从实验数据到机器可读信息的完整处理流程，将论文图表中的关键实验结果转化为高质量数据库，从而加快科学合成与发现进程。研究团队基于数千篇论文建立了经系统整理的储氢材料数据库DigHyd，该数据库可直接查询并用于指导新材料设计。这一数字化氢能平台是目前规模较大的固态储氢实验与计算数据库。

李浩（音译）解释称：“深入研究储氢材料，是因为它是实现氢基清洁能源实用化、安全化和低成本化的关键瓶颈。我们提出的DIVE工作流有望加速循证发现进程，缩短从研究成果发表到实际技术应用的时间周期，助力环境友好型技术的发展。”

出版详情：作者：Di Zhang 等人，标题：DIVE”利用AI代理发现氢存储材料，发表于：《化学科学 》(2026)。期刊信息：《化学科学》