近日，苏州实验室能源环境材料研究部顾晨凯博士（第一作者）等正式完成“AI-Powered Experimental Discovery of Metal-Organic Frameworks for n/i-Butane Separation”研究论文，并成功发表于国际顶尖期刊《Advanced Materials》。

论文链接：

https://doi.org/10.1002/adma.202507772

论文中通过AI模型识别出正异构丁烷分离性能优异的MOF材料，并提出将吸附等温线作为集成描述符的模型构建方案，其在气体吸附行为预测方面优于现有的描述符体系。期间，该研究开辟出AI、模拟计算与实验相结合的新范式，为材料研发提供了高效普适的新路径。

值得注意的是，此次研究过程中所有模拟计算工作，均在海光C86计算平台完成。基于高端通用的算力支持，材料研发创新效率显著提升，AI for Science迎来更强劲的国产计算引擎。

长期以来，海光高度重视国产处理器自主创新，研发投入规模远超行业平均水平。在此基础上，海光攻克C86处理器设计若干核心技术，技术“护城河”持续拓宽，有力推动了国产高端芯片产品升级。

其中，海光通用处理器CPU软硬件生态丰富、性能优异、安全可靠，现已广泛应用于关基行业领域；人工智能加速器DCU采用GPGPU架构，具备“训推一体”的智算底座支持，可为用户提供全精度通用AI加速计算解决方案，在大数据处理、人工智能、商业计算等领域均已实现规模化落地。

比如，面向高端算力需求迫切的科研领域，海光CPU+DCU异构计算平台在高精度量化计算方向取得关键进展，运行于主流第一性原理模拟软件时甚至实现性能反超；在流体力学研究中，海光计算平台为传统CFD带来数十倍的加速能力，并且在主流AI for CFD应用中表现出超预期性能和扩展比，进一步促进了AI4S从“数据驱动”向“智能驱动”的范式升级。

目前，由海光CPU和DCU异构而成的高端算力组合，已在科研工作中实现从前处理到计算、后处理和远程可视化的全流程覆盖，可构筑真正对标科学智能新范式的新型基础设施。

此次基于海光计算平台完成的新材料研发成果，无疑是对国产高端算力崛起的有力回应。接下来，海光将继续以饱和式的研发投入，持续推动国产计算系统化跃迁，为科研攻关以及千行百业的数智化应用提供可靠算力底座。