期刊名：AI Materials

期刊主页：https://www.mdpi.com/journal/aimater

期刊简介

2026年6月，AI Materials (ISSN 3042-6715) 正式发布创刊号。该期刊是一个由MDPI出版的国际性开放获取跨学科期刊，致力于发表人工智能与材料科学交叉领域的前沿研究成果，旨在为全球材料科学家与人工智能研究者搭建一个高质量的学术交流平台，推动材料研究迈向智能化新时代。

期刊涵盖以下具体主题：

人工智能增强理论与仿真

生成式设计与发现

自主实验系统 (自驱动实验室)

AI辅助的材料表征

大语言模型和智能体

数据基础设施 (基准数据集和数据库)

面向材料科学的开源软件、平台和数字孪生

研究范围覆盖各类材料体系的研究，包括无机材料、有机材料、聚合物、生物材料和杂化材料等。同时，鼓励发表对模型训练具有价值的高质量负样本数据集。欢迎各位专家学者关注，了解更多新刊信息。

期刊荣誉主编

龚新高 教授

复旦大学

龚新高，中国科学院院士、复旦大学谢希德讲席教授、美国物理学会会士，复旦大学学术委员会主任。主要研究方向为计算与AI物理，近期的研究兴趣是通过AI技术推动计算方法的突破。1999年获得国家杰出青年基金，2009年创建复旦大学计算物质科学教育部重点实验室并担任主任。曾获得国家自然科学二等奖一次、省部级自然科学奖一等奖三次。

期刊主编

孙志梅 教授

北京航空航天大学

孙志梅，国家杰出青年基金获得者，获得全国三八红旗手、教育部长江学者特聘教授、国家万人计划领军人才等多项荣誉。主要从事材料智能设计、材料高通量跨尺度集成计算与机器学习等研究。在半导体材料和材料基因工程的研究中取得了显著成果，出版专著《先进材料的计算与设计》、《材料高通量集成计算方法与实践》，发表SCI论文300余篇，连续6年入选爱思唯尔中国高被引学者榜单。

副主编

尹万健 教授

苏州大学

尹万健，苏州大学教授、教育部长江学者特聘教授，研究方向聚焦AI物理、计算物理与计算材料学。长期致力于光电转换基础理论与材料设计算法研究，在半导体缺陷、光伏材料及基于人工智能的材料逆向设计等方向取得创新性科学成果，已发表学术论文两百余篇，累计被引用两万多次。

期刊编委 (部分)

李国强教授

路易斯安那州立大学，美国

研究兴趣：多功能高分子与高分子复合材料、力学与功能超材料、本构建模、机器学习、增材制造

Stephan Roche教授

加泰罗尼亚纳米科学与技术研究所（ICN2），西班牙

研究兴趣：狄拉克材料 (石墨烯和拓扑绝缘体) 的物理性质以及基于二维材料的范德华异质结构

投稿优势

•更快发表速度

投稿到一轮审稿结束的中值时间：19 天

稿件接收到发表的中值时间：8 天

•开放获取

读者可以免费阅读期刊文章。

•作者持有版权

•接受无格式投稿

精选文章

Machine Learning-Assisted Polymer and Polymer Composite Design for Additive Manufacturing

机器学习辅助的面向增材制造的高分子及高分子复合材料设计

Kingsley Yeboah Gyabaah et al.

https://www.mdpi.com/3042-6715/1/1/2

Gyabaah, K.Y.; Mahoney, B.; Martey, A.K.; Yan, C.; Mensah, P.; Li, G. Machine Learning-Assisted Polymer and Polymer Composite Design for Additive Manufacturing. AI Mater. 2026, 1, 2.

Spatial Prediction of Electronic Wavefunctions from Reciprocal Lattices: Visualization of Electronic Properties of 2D Materials Using Deep Convolutional Neural Networks

基于倒易点阵的电子波函数的空间预测：利用深度卷积神经元网络实现二维材料电子性质的可视化

Rubén Guerrero-Rivera et al.

https://www.mdpi.com/3042-6715/1/1/3

Guerrero-Rivera, R.; García-Vidaña, N.A.; Godínez-García, F.J.; Wang, Z.; Endo, M.; Ortiz-Medina, J. Spatial Prediction of Electronic Wavefunctions from Reciprocal Lattices: Visualization of Electronic Properties of 2D Materials Using Deep Convolutional Neural Networks. AI Mater. 2026, 1, 3.

Lattice Thermal Conductivity of Janus WXY (X, Y = S, Se, Te) Monolayers: A Machine-Learning Based Study

Janus WXY（X， Y = S， Se， Te）单层晶格热导率：基于机器学习的研究

Shengxiang Liu et al.

https://www.mdpi.com/3042-6715/1/1/4

Liu, S.; Wang, J.; Li, Z.; Jiao, W.; Lv, F.; Liu, H. Lattice Thermal Conductivity of Janus WXY (X, Y = S, Se, Te) Monolayers: A Machine-Learning Based Study. AI Mater. 2026, 1, 4.

AI-Driven Optical Metamaterial Design: A Platform-Oriented Review

人工智能驱动的光学超构材料设计：一篇以平台为导向的综述

Guangyao Xu et al.

https://www.mdpi.com/3042-6715/1/2/5

Xu, G., Wei, X., Shen, C., Song, T., Chu, H., Luo, J., Lai, Y. AI-Driven Optical Metamaterial Design: A Platform-Oriented Review. AI Mater. 2026, 1, 5.

Zentropy Theory in Materials Science: Challenges and Opportunities

材料学中的叠熵理论：挑战与机遇

Shucheng Xing et al.

https://www.mdpi.com/3042-6715/1/2/6

Xing, S., Zhou, J., Sun, Z. Zentropy Theory in Materials Science: Challenges and Opportunities. AI Mater. 2026, 1, 6.

作者指南

如您对投稿有任何疑问，欢迎阅读作者指南，或联系 AI Materials 期刊编辑部 (aimater@mdpi.com)。

阅读作者指南：https://www.mdpi.com/journal/aimater/instructions