科学论文数量快速增长，科学家们难以追踪所有文献。德国卡尔斯鲁厄理工学院（KIT）的研究人员利用人工智能分析材料科学出版物，识别潜在新研究途径。这项研究成果已发表在《自然·机器智能》期刊上。

材料是电池、太阳能电池、电子元件和医疗应用等技术的基础，使材料科学成为跨学科领域，产出大量研究论文。研究人员结合大型语言模型和机器学习方法，系统分析论文以识别趋势。

大型语言模型首先提取论文中的关键术语和科学概念，生成概念图，每个关键词作为节点。机器学习模型在术语频繁共现时连接节点。KIT计算机科学学生、研究主要作者Thomas Marwitz说：“例如，如果大型语言模型观察到‘钙钛矿’和‘太阳能电池’等术语更频繁一起出现，它会在概念图中绘制新链接。”

机器学习模型分析链接趋势，预测未来两到三年可能更重要的科学概念组合。通过观察术语间链接变化，频率增加可能预示新兴研究领域，减少则显示主题相关性下降。分析结果引导研究人员关注较少探索的主题组合，专家认为AI生成建议具有创新性。

KIT纳米技术研究所的Pascal Friederich教授表示：“我们的目标是通过揭示新研究途径和跨学科合作机会，支持研究人员创造性思维。我们并非试图取代研究人员，而是提供分析工具，帮助更有效识别新想法和合作机会。”该方法可应用于其他科学领域，揭示新兴研究趋势。

出版详情：作者：by Karlsruhe Institute of Technology；标题：《AI maps science papers to predict research trends two to three years ahead》；发表于：《Nature Machine Intelligence》(2026)。