近日，材料科学领域传来一项重要进展，迅速引发业内关注。我国科研团队成功实现了厘米级尺寸、厚度超过200微米的高质量单晶石墨可控制备。该厚度达到目前全球公开报道水平的3倍以上，意味着我国在高端碳材料、单晶石墨制备及先进材料研发技术方面迈出了关键一步。

此次成果并非偶然取得，其背后体现的是人工智能与材料科学深度融合的全新研发模式。研究团队构建了面向机器学习原子势训练的亿级计算材料数据库，在数据完整性、准确性和覆盖范围等方面均明显优于以往研究，为后续高精度AI模型开发和智能材料设计奠定了坚实基础。

构建亿级数据库支撑AI模型研发

人工智能赋能材料研发的核心前提，是具备高质量、大规模数据支撑。为突破传统小样本数据集的限制，联合团队搭建了庞大的计算材料数据库。该数据库重点覆盖镍-碳体系所需的机器学习势训练数据，包括不同尺寸的镍团簇、体相、表面结构，以及这些镍结构与碳原子、碳链、碳环、石墨烯、石墨等多种碳构型在不同温度条件下形成的复合构型。

这一兼具数据广度与可靠性的体系，为高精度机器学习势训练以及材料表界面AI模型研发提供了有力支持。基于该数据库，团队采用兼顾高精度与高效率的机器学习势方法，结合自主研发的主动学习工作流、不确定度分析算法和计算材料智能体框架，成功构建出机器学习势函数模型。

突破传统计算局限揭示生长机制

新建立的模型有效突破了传统第一性原理计算在时间尺度和空间尺度上的限制。该模型可完成超过十万原子规模体系、百万原子步的复杂界面动力学模拟，能够精准捕捉孪晶晶界加速碳迁移等关键微观机制，为理解高质量单晶石墨生长过程中的宏观现象提供了原子尺度的计算支撑。

在高精度机器学习势模型的支持下，联合团队进一步开展了大规模、长时间尺度的原子级动力学模拟。模拟结果不仅揭示了碳原子在镍晶格内从偏析、扩散、成核到生长的完整迁移路径，还成功复现了其在镍单晶及含孪晶晶界界面处溶解、偏析、成核与外延生长的全过程，从而系统厘清了单晶石墨的生长机制。

量化调控规律指导工艺优化

此外，团队通过定量模拟研究，明确了反应温度、碳溶解度、原子扩散速率、孪晶晶界结构等关键参数对单晶石墨生长质量的调控规律，为单晶石墨制备工艺优化、先进碳材料升级提供了可量化、可预测且可落地的理论依据与计算支撑。

基于上述科学发现，联合团队搭建了单晶石墨生长系统，最终成功制备出厘米级尺寸、厚度超过200微米的高质量单晶石墨。这一突破探索出了一条从“试错摸索”走向“机制驱动”的智能化科研新路径，也验证了人工智能作为推动科学发现和材料创新的重要工具所具备的现实价值。

未来，联合团队将进一步依托人工智能模型开展实验工艺参数优化与规模化制造研究，持续推动单晶石墨向更高质量、更大面积以及更稳定量产方向发展。同时，团队还将积极拓展其在电子器件、热管理、高端装备等领域的应用前景，探索形成以海量数据为基础、以人工智能模型为核心、以机制理解为牵引、以实验制备为验证、以规模制造为目标的全新材料研发范式。