日常电子产品中无处不在的“隐形拉力”源自磁性材料，它们广泛应用于扬声器、传感器、医疗设备、发电机，尤其是电动汽车的驱动电机。然而，当前市场主导的高性能、紧凑型磁体大多依赖钕、镝等稀土元素。这些关键资源不仅价值高昂，且供应链高度集中，极易受到地缘政治博弈和价格波动的冲击。因此，行业提出的“减少稀土依赖”并非单纯的环保口号，而是一项旨在降低成本、保障供应安全及实现稳定生产的战略举措。
寻找不牺牲性能的替代方案，如同在烹饪中尝试移除两道关键食材，需要反复试验无数种组合并深入理解每种成分的作用。为此，美国新罕布什尔大学团队推出了一项突破性工具，旨在大幅缩短这一试错周期。该团队构建了“东北材料数据库”（Northeast Materials Database），这是一个可搜索的数据库，收录了来自科学文献和实验数据的67,573种磁性化合物。其核心逻辑在于将分散在数千篇论文中的信息集中化、结构化，使研究人员能在几分钟内完成筛选、比较和优先级排序，而非耗费数周时间。
该项目的核心在于利用人工智能作为不知疲倦的“论文阅读者”。正如发表在《自然-通讯》上的研究所揭示，AI模型能够识别文本、表格甚至图表中的关键信息，判断材料是否具有磁性、在何种条件下测量以及其居里温度（即失去磁性的临界点）。这种混合方法将非结构化的科学文献转化为结构化数据，用于训练模型以预测材料性能及其对温度的依赖性。AI在此扮演了拥有超级能力的“实习生”角色，它能处理海量文档且不知疲倦，但必须由人类科学家定义搜索目标、验证提取结果并解读数据，从而在规模效应上实现传统人工无法企及的效率。
研究最引人注目的成果是识别出25种此前未被发现的候选材料，这些材料在高温下仍能保持磁性。对于电动汽车和可再生能源领域而言，热稳定性是硬性指标，而非学术细节。如果磁体在实验室表现优异，一旦靠近高温电机便“失效”，则毫无实用价值。首席研究员Suman Itani强调，该项目的工业目标是加速发现可持续材料，以降低对稀土进口的依赖。物理学家Jiadong Zang指出，在不牺牲性能的前提下用更可持续的选项替代强力永磁体，是材料科学中最具挑战性的任务之一。该数据库充当了智能“筛子”，大幅减少了需要物理合成和测试的候选材料数量。
理解材料“失去磁性”的机制至关重要。当温度升高导致材料内部磁矩排列混乱时，便发生了相变，这一临界点被称为居里温度。值得注意的是，高居里温度并不等同于理想的永磁体，实用的电机磁体还需具备高矫顽力、高剩磁及适当的磁各向异性。新罕布什尔大学的研究并未宣称这25种化合物已可直接替代稀土磁体，而是提供了一条数据可追溯、搜索标准清晰的快速研发路径。
从计算发现到工业产品落地，中间仍需跨越多个台阶。首先需通过实验验证材料的预测行为及可合成性，随后还需评估其在热循环下的稳定性、耐腐蚀性、与制造工艺的兼容性以及原材料的可获得性。纸上谈兵的**材料若依赖稀缺元素、需在极端条件下制备或易随时间降解，则无法商业化。该数据库的优势在于减少了盲目探索带来的资源浪费，AI虽不能“猜出”**配方，但能基于现有科学观测数据，精准锁定最具潜力的组合。
若此类研发模式得以确立，其最直接的影响将体现在研发经济学的变革上：减少失败实验、缩短设计周期、优化合成决策。中长期来看，这将有助于缓解稀土市场的供应压力，平抑价格波动，使制造商和消费者受益。该项目由美国能源部基础能源科学办公室支持，反映了利用AI不仅用于预测，更用于组织海量已发表知识的广泛趋势。在信息增长超越人类阅读能力的领域，构建“活体知识库”与发明新模型同等重要。
此外，该团队还展示了AI技术的跨界应用潜力，例如将旧版图像转换为现代富文本格式，以更新和保存图书馆档案。这种前沿研究与知识“家务”处理的双重性，生动诠释了AI在科学界的崛起：它并非要取代科学家，而是通过承担分类、转录和整理等机械性工作，释放人类的时间，使其专注于提出关键问题、设计实验及深度解读结果。