(一)研發階段

化學品與材料產業正在關注永續發展、數據驅動決策(Data Driven Decision Making, DDDM)的相關研究，同時積極進行跨產業合作，以推動綠色先進的化學品與材料發展。然而，化學品與材料產業的研發過程需要投入大量的資本與時間，相當耗費資源。實驗研究不僅耗時冗長，還需要處理大量的數據資料。此外，還有諸多挑戰需要應對，包含市場競爭壓力、專案高失敗率、資料安全隱憂、研發人才缺乏，以及難以預測的市場變動。下列為GenAI在化學品與材料產業研發階段的應用說明。

(1)問題分析與潛在的可能性評估

發展概況：GenAI模型能夠分析不同來源的大量數據，有助於研究人員深入了解產業需求、辨識市場差距、解決未來的問題挑戰，發現新興機會。

應用案例：美國陶氏聚氨酯公司(Dow Polyurethanes)與美國微軟公司(Microsoft)合作，協助研究人員使用「Azure ML」工具，結合/分析/預測材料科學、流變學(Rheology)及反應動力學的數據，為客戶開發客製化的聚氨酯產品。

(2)構想初期的概念形成

發展概況：研究人員使用GenAI工具，可以快速處理龐大的資料集，找出符合特定規格的材料配方，促進研究計畫的構想與成果實現。

應用案例：美國OpenAI Inc公司的GPT-3.5和GPT-4模型，協助研究人員快速產生材料、製程和產品的創意，加速研發時間、降低研發成本，讓化學品與材料產業獲益。

(3)文獻檢索和資料收集

發展概況：GenAI運用自然語言處理(Natural Language Processing, NLP)技術，協助研究人員快速篩選大量文獻的數據，擷取相關資訊，並辨識可能被忽視的相關性，加快文獻綜述過程。

應用案例：韓國LG公司的Universe平台透過蒐集超過4000萬份專利、論文、文獻資料及約3.5億張圖像的資料，培訓聊天機器人，使其能夠依據多個專業資訊來源，提供使用者對科學問題的見解與回應。另外，韓國LG公司的Discovery平台，可以處理上傳的資訊(例如論文)，協助研究人員理解文字訊息、分子結構、圖表、表格及公式等，進而促進新材料、新物質、新藥物的開發。

(4)結構材料的模擬預測與效能提升

發展概況：利用GenAI進行模擬預測，協助研究人員開發具高度預測性的材料結構/模型，並透過GenAI工具，辨識、修改材料的成分與結構，以實現特定性能，為研究人員提供可靠的材料模型，減少實驗進行的次數，從而加速材料的創新與開發。

應用案例：美國NVIDIA公司與日本三井集團(Mitsui)合作開發Tokyo-1項目，協助研究人員應用分子動力學模擬、大型語言模型訓練、量子化學等技術，設計潛在藥物的分子結構。研究人員還可以透過NVIDIA BioNeMo藥物研發軟體服務，處理化學、蛋白質、DNA及RNA的資料格式，加速各種化合物和材料的模擬與研究。另外，美國Electroninks Incorporated公司使用美國Citrine Informatics公司的AI平台，成功開發出使用氣溶膠噴射列印技術的無顆粒銀墨水，此銀墨水在列印過程中立即固化，無需額外的固化處理步驟。Citrine Informatics的AI平台，還可以用來開發特用化學品、塗料、黏合劑、密封劑、彈性體及建築材料等的配方，以改進現有配方。

(5)實驗操作與化學合成

發展概況：GenAI工具能夠提供研究人員最佳的實驗條件與材料成分建議，從而提升實驗效率，並縮短實驗開發時間。

應用案例：英國致力於蛋白質工程之LabGenius公司與知名製藥商Sanofi 之子公司Ablynx合作進行發炎症狀之相關研究，研究人員使用LabGenius的智慧機器人平台EVA，優化Ablynx之NANOBODY重鏈抗體技術。

(6)合成材料特性分析與原型模擬試驗

發展概況：利用GenAI工具，系統能夠自動解釋、分析，並擷取複雜的表徵數據訊息，辨識資料集中的關係，以及快速生成具有成功機會的結構、預測合成材料的特性，迅速建立材料結構及其特性的驗證，協助研究人員。

應用案例：美國Mat3ra公司開發出數位材料研發平台，協助研究人員透過材料的結構設計、模擬，改進材料的特徵與分析。另外，美國Zapata公司的軟體開發套件「qe-qiskit」，提供快速成型的應用程式，加速材料的設計/製造。此外，美國Aizon公司致力於製藥業軟體即服務方案，利用先進的分析、AI及其他先進技術，協助研究人員更深入了解材料、製程及產品製造性能的因素，以提高生產效率，最佳化產品品質。

[本文同步刊登於科技發展觀測平台]