石科院研发团队使用高通量实验工作站进行润滑油脂样品配制和性能测试。 本报记者 陈子佩 摄
【角色】润滑油脂研发预言家
【技能】在润滑油脂研发过程中，预测组分之间如何相互作用、不同分子结构带来怎样的性能变化，提前告诉科研人员新分子是否能达到想要的性能水平。
本报记者 陈子佩 通讯员 王 宁 李义雅
7月17日至20日，2026世界人工智能大会暨人工智能全球治理高级别会议在上海举行，吸引了全球目光。在这场人工智能领域的顶级盛会上，来自中国石化石油化工科学研究院（简称石科院）的成果引发关注——AI辅助润滑油脂产品研发场景入选中央企业人工智能战略性高价值场景，成为国内润滑材料领域智能化研发的标杆示范，助力高端润滑油脂研发模式加速从传统经验驱动向数据智能驱动转型。
高端润滑油脂是支撑航空航天、重大装备、精密仪器稳定运行的战略性关键材料。传统润滑油脂研发长期面临“黑箱”困境——组分之间如何相互作用、不同分子结构带来怎样的性能变化……往往只能靠研发人员通过反复试验去摸索。
“我们构建了三层立体化数据架构，利用AI让‘黑箱’变得透明、可预测。”石科院基础研究部副主任欧琪介绍，“这套架构让AI有了完整的润滑油脂产品研发知识体系。”底层用6000万条有机分子开源数据进行模型预训练，让AI掌握化学世界的通用语言；中层整合8万条纯物质及混合物的理化数据并开展微调，使AI学会判断什么样的分子组合能产生什么样的效果；上层归集基础油实测表征数据并完成工程化校验，确保预测与实际一致。同时，他们自主研发了分子重构技术，能够像CT扫描一样精准解析复杂油品的分子组成，并申请多项发明专利。
有了高质量数据，还需要强大的算法。石科院基于Uni-Mol框架自主研发分子性质预测模型Org-Mol。与EGNN、NequIP等国际主流模型相比，该模型对运动黏度、介电常数、热导率等核心物性的预测精度在业界全面领先，相关研究成果已在国际期刊发表。
“这相当于给科研人员配备了一个预言家——不需要真的合成一种新分子，AI可提前预判预设的性能指标能否实现。”欧琪说，“研发自此从大海捞针变成了精准定位。”
AI的赋能不止于纸上谈兵。石科院配套建设的全自动高通量实验工作站，打通了“AI分子筛选—自动配样—性能检测—数据回流”的完整闭环，形成一套AI研发体系。AI提出候选方案后，机器自动完成样品配制和性能测试，结果自动反馈给AI进行下一轮优化，大幅降低试错成本，显著提高研发速度。
目前，石科院AI赋能润滑油脂产品研发的成效已获得产业化验证。一项创新成果瞄准大数据时代最新需求：针对数据中心散热降耗需求与氟化液环保替代趋势，石科院利用AI完成超过600万种酯类分子的高通量筛选，成功开发环保型浸没式冷却液产品，将研发周期从数年压缩至1年。目前，该产品已落地应用，有力助推算力基础设施绿色低碳转型。
另一项创新成果聚焦润滑脂智能化升级：借助AI精准预测荧光探针光学性能，石科院研发出可实时感知劣化状态的自监测发光润滑脂，实现设备维护从事后检修向事前预警的跨越，相关研究已获国家自然科学基金资助。
“这套AI研发体系不仅解决了产品的研发难题，更形成了一套可复制、可推广的智能化研发范式，为石油石化行业探索出一条数智融合的新路径。”欧琪说。
