但是现在，这一过程则是可以交给人工智能科研辅助系统来进行，只要算力足够，半个月左右就能搞定了。
这种研发过程是人工智能材料学的一个重要特性：节省大量的前期实验时间以及成本。
现在于泰和搞人工智能材料学的研究，就是带着一群手下进行新材料的理论创新研究，设计出来了理论上可能存在的技术方向后交给专门的人工智能科研系统的专业材料大模型去跑。
大模型跑的时候，会模拟几千甚至几万种不同的技术路线，然后找到可能实现的若干技术路线。
由此节省大量的时间和成本。
在诸多材料研发里，其实最耗时耗力的研发就是前期的这种挨个测试的研发阶段……这个研发阶段往往要实验几百几千次，最后才能找到那么其中一种成功的……
这还是运气好的情况下，运气不好的话，花费十年实验几万次，也找不到堪用的材料。
以前研发某种材料，可能需要用几百个研发人员进行十年以上的各种前期实验，但是现在用了这个人工智能科研系统里的材料研发大数据模型，把数据做好交给大模型跑的话，基本十天半个月就能出结果。
当然了……这其实也是有代价的，那就是人工智能它只会按照设定好的各项参数进行各种技术路线的尝试……它不会失误，但是也不会灵机一动！
而失误和灵机一动，则是材料研发领域里很重要的环节……无数重要材料都是因为失误或灵机一动而研发成功的。
这个人工智能科研系统，其实起到的作用并不是‘开创性的研发’，实际上就是用来减小基础、重复、大多情况下都是没什么意义的计算、实验和测试而已。
这种人工智能科研系统，不说取代于泰和这种材料学顶级科学家了，就算是于泰和手底下的普通研发牛马也取代不了。
人工智能科研系统只能完成前期的低技术含量的重复计算和实验、数据统计而已，后续的各种实验和测试还是需要这些高学历研发牛马来亲自搞，人工智能可做不了这种事。
而且人工智能还有一个很大的缺陷，那就是它不会失误，而不失误就没有意外，但是材料学，是需要意外的……
没有意外，哪来的新材料啊！
当然，即便是有这样或那样的诸多缺陷，现在的人工智能科研辅助系统中的材料研发大模型，依旧是一种非常好用的工具，可以大幅度降低材料研发的成本以及时间。
本章未完，请点击下一页继续阅读！