麻省理工学院（MIT）工程教授Markus J. Buehler开发了一种基于图（Graph-based）的生成式人工智能模型，该模型通过科学与艺术的结合，旨在加速科学发现，提出具有创新意义的新材料。Buehler教授不仅在材料科学的应用领域进行了探索，还深入研究了不同学科之间的关系，尤其是科学、艺术与技术的交汇处，开创了新的跨学科方法。
Buehler教授结合生成式人工智能与图计算工具，开发了一种新颖的AI方法，用于揭示新的思想、概念和设计。该模型的目标不仅仅是找到已经存在的知识之间的联系，而是主动提出全新的、未曾设想过的设计与想法，从而加速科学发现的过程。
为了实现这一目标，Buehler教授的团队使用了图形表示技术，其中范畴论起到了关键作用。范畴论是数学中的一个分支，侧重于对象及其关系的抽象结构化表达。在范畴论中，系统被看作由“对象”和“态射（morphisms）”组成，态射描述了对象之间的关系。通过这种抽象的方法，AI模型可以理解科学系统中的符号关系，使得AI模型不仅是简单地类比，而是通过映射跨越不同领域的抽象结构，进行更深入的推理和理解。
在研究过程中，团队分析了约1000篇关于生物材料的科学论文，并将这些论文中的信息转化为知识图谱。知识图谱是一种用图形表示信息结构的方法，能够揭示不同数据点之间的连接。在这个项目中，知识图谱不仅展示了学科内的知识联系，还揭示了不同领域间的潜在联系和创新方向。
通过这种图形化的知识表示，研究人员能够以新的视角来审视科学问题。例如，通过知识图谱，研究团队发现了许多科学概念之间的隐藏联系，这些联系可能是传统方法难以发现的。知识图谱的特点之一是“尺度自由性”，这意味着它包含了一些连接节点（即信息点）特别多的“枢纽节点”，从而为AI提供了高度连接的推理基础。团队通过图推理使AI能够回答复杂的问题，识别出现有知识的空白，建议新材料的设计，并预测材料的行为。这种方法不仅提升了AI在科学探索中的认知能力，还帮助AI构建了更加完整和精细的世界表示模型。
在这个项目中，AI模型的一项重要成果是发现了生物材料和贝多芬《第九交响曲》之间的相似性。这种发现具有跨领域的意义，展示了不同学科之间的隐藏模式。Buehler教授解释说，生物材料中的细胞相互作用以实现特定功能，而贝多芬的《第九交响曲》通过音符和主题的复杂编排，创造了和谐的音乐体验。这种相似性基于“复杂性与有序性”的共同特征，展示了AI在跨越领域进行知识迁移方面的潜力。
这一跨学科联系的发现不仅是对材料科学的创新，也是对音乐、艺术和科学之间相互关系的新理解。通过这种方式，AI可以识别和利用从音乐到生物材料之间的模式，将不同学科的灵感带入到科学研究中，提供了一种全新的创新路径。
除了科学与音乐的联系之外，AI模型还利用艺术创作的灵感提出了新的生物材料设计。在另一个实验中，AI从瓦西里·康定斯基的抽象画作《构图七》中获得灵感，建议创造一种基于菌丝体的复合材料。康定斯基的作品以其抽象而复杂的图案著称，这些图案表达了一种平衡的“混沌与秩序”的艺术美感。
AI模型通过分析这些抽象图案，提出了一种新材料，该材料具有可调节的属性，例如孔隙率、机械强度和化学功能性。这些特性使得这种材料不仅强大且功能齐全，还具有适应不同功能需求的潜力。其潜在的应用场景非常广泛，包括可持续建筑材料、生物降解的塑料替代品、可穿戴技术，甚至是用于生物医学设备的材料设计。
这一实验结果表明，通过结合艺术与材料科学，AI能够创造出在性能和多功能性之间达到平衡的创新材料。AI对艺术的理解和应用表明，跨领域的创新有可能通过引入新的设计思想和创意概念，推动材料科学和技术的前沿发展。
Buehler教授强调，这种基于图的生成式AI比传统方法具有更高的探索能力，能够揭示隐藏的联系，建立一个有助于创新的框架。这种方法不仅对生物启发材料和力学领域作出了贡献，还为未来跨学科研究指明了方向。通过AI和知识图的结合，不同学科的研究可以相互启发，为科学和哲学探究开启新的可能性。
例如，Buehler教授的工作展示了如何利用AI将生物材料的研究转化为知识图谱，图谱中展示了不同主题和学科的联系。这些图谱作为信息地图，不仅可以帮助科学家识别中心主题和新关系，还能探索复杂子领域之间的潜在联系和研究方向。密歇根大学的Kotov教授在评论中指出，这些知识图谱可能成为未来科学研究中不可或缺的工具，因为它们提供了一种结构化的、信息丰富的途径，帮助科学家深入理解复杂的生物启发材料体系。
这种AI模型的开发和应用具有重要的实际意义和社会影响。通过这种跨学科的方法，科学家们可以更有效地从艺术、音乐和科学中汲取灵感，将这些不同领域的见解转化为材料设计和科学发现的创新。AI在该研究中的应用展示了如何从看似无关的领域提取灵感，并将其转化为实际应用，例如可持续的建筑材料和生物医学设备。
这种方法的潜在影响还包括激发未来关于跨学科创新的更多研究。通过进一步探索生成式AI与知识图谱的结合，科学家们可能会找到更多科学和艺术之间的隐藏联系，推动各个领域的科学、技术和文化的共同进步。