监管者应要求AI发现材料提供何种证据？
监管机构应要求人工智能的预测必须有独立验证作为支撑，而不能仅依赖模型自身的输出。在交变磁性材料的研究中，AI搜索引擎预测了候选材料，但作者通过第一性原理电子结构计算确认了全部50种新材料[2]。这树立了一个先例：AI是假设生成器，在相关主张被接受之前，材料的性质必须经过既有科学方法的验证。
同样的原则也适用于其他领域中由人工智能驱动的发现。例如，在热化学制氢中，机器学习模型预测了钙钛矿氧化物的氧空位形成焓，但其目标是加速识别有前景的氧化还原材料，而非取代实验验证[1]。监管机构应寻找从预测到实验或计算确认的清晰证据链。
监管机构如何确保结果的可重复性？
可重复性取决于训练数据的可用性以及所使用的合成方法。组合合成利用自动化技术系统性地改变合成参数，天然契合人工智能驱动的发现过程，因为它能够生成训练和验证模型所需的大规模、系统性数据集[3]。监管机构应审查人工智能的训练数据及合成条件是否被充分披露，以便其他实验室能够尝试复现该材料及其性能。
该领域仍在发展成熟中，并非所有由人工智能驱动的工作流程都同样稳健。2025年的一篇综述指出，尽管生成模型和图神经网络取得了进展，但人工智能驱动的材料发现仍是一个“未解难题”[5]。因此，监管机构应以适当的怀疑态度对待相关声明，要求提供关于人工智能模型、其训练数据以及实验或计算验证步骤的详细文档。
涉及AI时，专利和所有权怎么办？
监管机构还必须解决一个法律问题，即人工智能能否成为专利发明人。2023年法律与材料专家之间的一场讨论指出，这一问题尚未有定论，且它影响到人工智能驱动发现的知识产权归属[4]。在法律明确之前，监管机构应要求明确识别人类发明人，并披露人工智能的作用，以避免围绕专利有效性的争议。
这种法律上的不确定性是商业化进程中的现实障碍。同一篇论文指出，人工智能发明人身份的问题在我们生活的许多方面都有体现，并对资金、许可和执法产生影响[4]。监管机构应与专利局合作制定明确的指导方针，因为当前的模糊状态可能会拖慢人工智能发现材料的推广应用。
关于这些来源
本回答基于5项同行评审研究——发表于2023年至2025年间，其中3项为2024年或之后发表，3项发表于Q1期刊，合计被引用126次——这些研究是从5项通过质量筛选的研究中选出的最相关成果，而这些研究又源自从超过5亿篇论文数据库中检索到的48篇文献。
本文引用的文献
第4B场会议：氧化还原热化学
讨论了AI驱动的热化学制氢材料发现，利用机器学习预测钙钛矿氧化物中氧空位形成焓，但强调实验验证和监管框架对于商业化仍不可或缺。
AI加速发现交错磁性材料
利用预训练图神经网络的人工智能搜索引擎发现了50种新的交变磁性材料，所有材料均通过第一性原理电子结构计算得到验证，这表明人工智能在定向材料发现方面能够超越人类专家。
面向AI驱动的材料发现的组合合成
综述了组合合成技术，并提出了十项指标以评估其适用于人工智能驱动工作流的程度，主张合成与人工智能的协同开发是加速材料发现的关键。
AI能否在材料发现中成为发明者？
一场由法律与材料专家参与的多学科讨论，提出了一个悬而未决的问题：人工智能能否成为专利发明人并拥有知识产权，从而凸显了围绕人工智能驱动发现的法律不确定性。
用于材料发现的AI
人工智能用于材料发现的综述指出，尽管生成模型和图神经网络取得了进展，该领域仍是一个未解难题，并强调了从原子尺度模拟到实验优化的集成工作流的必要性。