在人类探索深海的征途中，材料是最基础、也是最关键的一环。万米水压、强盐腐蚀、高温冲击……面对极端复杂的海洋环境，海洋关键材料研发却长期受困于“试错法”——一种新材料从实验室到工程应用，动辄耗费十年时间，而大量已有研究成果又散落在海量文献中，科学家想查一个配方的来龙去脉，常要在论文海洋里“捞针”。

6月26日，中国科学院宁波材料技术与工程研究所（以下简称“宁波材料所”）与中国科学院文献情报中心（以下简称“文献情报中心”）联合发布“MarineMat AI”海洋关键材料AI科研助手。这款面向海洋关键材料领域的智能工具，旨在以人工智能技术打通文献、数据与知识之间的连接，为海洋关键材料核心应用场景筑起一条“数据高速路”，帮助科研人员从繁琐的文献检索和数据比对中解放出来，将更多精力投入到创新研究与工程应用突破中。

MarineMat AI首页。

当前发布的第一版软件及数据库，主要聚焦于耐磨耐蚀金属陶瓷复合材料体系，这是深海钻探装备关键部件的重要支撑方向之一。围绕这一体系，MarineMat AI着力打造了知识问答、材料检索和性能对比等3个核心功能模块。

功能一：知识问答，让论文“开口说话”

对于科研人员而言，读论文最耗时的部分，往往不是摘要和结论，而是从数十页的正文中找到真正与研究问题相关的关键描述。

MarineMat AI的知识问答模块正是为此而生。不同于常见的文献摘要生成或论文主旨概括，该模块对论文进行了深度处理，将文献信息转化为结构化的问答对。这意味着，只要论文原文中有与问题相关的描述，系统就能精准定位到该篇论文，并给出有针对性的回答。每一条回答均附有明确的来源出处，确保信息可追溯、可核查。科研人员可以根据需要，在多个数据库和基础语义模型之间灵活选择，让检索方式更加贴合实际需求。通俗地说，这相当于为科研人员配备了一位可持续更新的“文献管家”，帮助他们更高效地获取专业知识。

功能二：材料检索，让查找变得灵活高效

对于材料科学家而言，为查找某一特定成分体系、制备工艺或性能参数的文献，通常需要访问多个数据库和期刊网站，并在不同论文的全文内容间交叉比对。这种分散化、粗粒度的检索模式，高度依赖科研人员逐篇判读，从海量检索结果中人工筛选与定位目标知识。这一过程不仅拖慢了材料研发节奏，更使科研人员难以将核心精力聚焦于高价值的创新研究。针对上述问题，MarineMat AI的材料检索模块从材料科学家的实际检索习惯出发，集成了多元化的材料查询方式，涵盖从元素周期表可视化点选、具体成分或关键词模糊匹配到材料三级分类逐级筛选的多场景需求，用户可根据具体需求灵活选用。锁定相关材料后，平台将呈现经梳理的、相关材料的关键信息与数据摘要，辅助用户快速判断论文的相关性；如需深入查阅，一键即可跳转至原文的具体表述。这一设计显著提升了相关论文的查找效率，兼顾了信息的丰富性和可溯性，让“查得快”和“查得全”不再矛盾。

功能三：性能对比，让数据“一目了然”

材料研发的核心问题之一，是比较不同方案的性能优劣。然而，来自不同文献的数据往往存在单位不统一、测试条件不一致等问题，导致横向对比困难。

MarineMat AI的性能对比模块正是针对这一现实痛点而设计。该模块的核心能力在于，通过将不同来源文献的同类性能参数（如硬度）映射至相同单位，同时对相关数据进行规范化与标准化处理，使得跨文献数据可以在同一尺度下进行有效对比分析。在此基础上，科研人员可以更加直观地查看和比较不同材料方案在各性能维度上的表现差异，减少手动换算单位与反复核对测试条件的繁琐工作。

此外，平台支持按性能类型和性能取值进行排序筛选。用户可根据具体需求，对某一性能指标进行升序或降序排列，从而快速锁定在特定性能上表现最优的候选材料。这种“以性能筛论文”的思路，将传统的文献调研从“先找论文、再看数据”转变为“先定性能目标、再追溯最优方案”，为下一步实验决策提供了清晰、可量化的数据支撑。

从共识到成果：优势互补推动平台落地

MarineMat AI的发布，是宁波材料所与文献情报中心长期合作的重要成果。宁波材料所在海洋关键材料领域深耕多年，拥有全国重点实验室等重要平台支撑；文献情报中心则在数据挖掘、知识服务及AI4S知识底座建设方面具备深厚的技术积累。双方优势互补，合作基础坚实。

早在2025年7月，双方即以项目合作为契机，围绕“人工智能赋能新材料创制”开展交流与对接。同年9月，文献情报中心张智雄副主任一行专程赴宁波材料所，与海洋关键材料全国重点实验室常可可副主任等人就海洋材料科技文献知识底座建设工作开展深度交流。此后，双方多次互访并持续深化海洋关键材料AI4S知识底座建设与服务协同。此次MarineMat AI的正式发布，正是这一系列务实合作从共识迈向成果的生动写照。

面向未来，MarineMat AI将持续迭代升级。平台将逐步整合涵盖长效防腐有机复合涂料、高性能无机防护涂层在内的多元数据资源，升级底层数据架构，着力构建推理分析能力更强、功能更加完备的智能体，从“能查会搜”走向“能思考、会建议”。