人工智能，这样影响科学研究

本文转自：人民日报

从经验主导向数据驱动转型，更加高效精准

人工智能，这样影响科学研究

本报记者 喻思南

《 人民日报 》（ 2024年11月04日 第 13 版）

核心阅读

当人工智能与科学研究“碰撞”，能产生多大的能量？前不久，2024年诺贝尔物理学奖和化学奖授予人工智能相关研究的学者，引起了极大的关注。近年来，我国科学家也在多个领域探索“人工智能驱动的科学研究”，利用人工智能技术缩短研发周期、降低研发成本，人工智能技术与科学研究加速融合。

电解液，被称为电池的“血液”，其设计是寻找到下一代电池的关键之一。然而，电解液材料分子组合浩如烟海，逐一筛选效率非常低。借助人工智能手段，科研人员有了快速开发电解液材料的新方法。

“人工智能驱动的科学研究”是以机器学习为代表的人工智能技术与科学研究深度融合的产物，当前已成为全球科学研究的前沿。今年的诺贝尔物理学奖和化学奖授予人工智能相关研究的学者，表明人工智能在科学研究上的作用越发显著。

图灵奖得主、中国科学院院士姚期智最近在腾讯新基石科学基金会和南方科技大学共同举办的一场青年科学家论坛上，以“人工智能的科学视角”为题进行了分享。他认为，人工智能科学未来发展将呈现两大趋势，一是从弱智能走向通用智能，二是为学科间的交叉赋能，如具身智能、AI仿生、AI+量子等新技术、新应用将大量涌现。

变 化

带动科研范式从经验主导向数据驱动转型

随着新能源产业快速发展，人们对电池性能的要求越来越高，而电解液对于电池理论性能的发挥起着关键作用。清华大学化学工程系教授张强与副研究员陈翔合作，带领团队提出了“人工智能设计锂电池电解液”的新方法，实现了先进电解液的高效设计开发。

在数据方面，团队开发了电解液高通量计算方法与软件，构建了领先的数据库，涵盖25万种以上的电解液分子结构；在算法方面，团队开发了领域知识嵌入的电解液大模型及软件平台，可以实现亿量级分子空间维度的电解液分子性质快速预测与精准定向设计。陈翔说，基于这些工具，科研人员可以根据用户需求开发最合适的电解液。

人工智能与科学研究的深度融合，既提升了人工智能应用水平，也带动了科学研究范式从经验主导向数据驱动转型。

对人工智能技术带来的变革，中国农业科学院作物科学研究所研究员、国家南繁研究院副院长李慧慧同样感受深切。

“常规育种方法依赖经验，耗时长，且对表现型容易受环境影响性状的改良效率较低。通过人工智能算法，科研人员能够在育种家进行田间试验前，快速预测作物田间表现，大大缩短育种周期。”李慧慧说。

全球约1750个植物种质库保存着超700万份种质资源，受限于分析工具，许多珍贵的遗传资源尚未得到充分利用。“人工智能辅助的基因组选择能在几周内分析上百万基因型，极大提升了育种流程效率和精度，应用潜力巨大。”李慧慧说。

应 用

缩短周期、降低成本，人工智能赋能科研向深度、广度拓展

专家表示，物理、化学、材料等学科，是典型的理论和实验相结合的领域。布局人工智能驱动的科学研究，有助于增强基础研究的比较优势。

近年来，人工智能技术与科学研究加速融合，正不断向深度和广度拓展。张强介绍，2011年左右，国际上尝试将人工智能技术用于材料开发。近些年，数据驱动的材料学研究显著提速。

“目前，人工智能已经应用到电池研究的各个领域，涉及电池工作机理探究、新材料开发等诸多方面。”张强认为，人工智能在处理海量数据等方面优势显著，与电池理论、实验研究方法进一步结合，将有力推动下一代高比能电池、固态电池、快充电池、宽温域电池等的开发与迭代。

利用人工智能技术研究锂电池，我国总体上处于国际第一梯队，一些成果受到科学界广泛关注。比如，电子科技大学团队开发了高比能锂金属电池状态估计与寿命预测的机器学习方法，指导设计了延长电池使用寿命的方法；中国科学院物理研究所团队与张强/陈翔团队合作，结合机器学习模型与高通量筛选，开发了宽温域电解液新分子。

不仅是材料研发，在生命科学、药物研发、半导体、环境科学等多个领域，科学家都在探索利用人工智能技术，缩短研发周期、降低研发成本。

近年来，中国农业科学院加速推进农业科技与人工智能技术融合创新，在生物育种、智能农机装备等领域组建交叉学科团队。如今，李慧慧带领团队致力于开发基于深度学习算法的基因组选择模型、全流程智慧育种平台等算法工具，进而提升水稻、玉米、小麦等主粮作物的育种效率。“我们在智慧育种上初步取得了一些成果。比如，利用机器学习和深度学习算法深度融合基因组、转录组和表型数据，识别出控制作物抗逆和高产的关键基因。”李慧慧说。

推动人工智能与科学研究融合，技术支撑平台很重要。上海交通大学人工智能研究院常务副院长杨小康说，为帮助更多老师使用人工智能辅助科研，学校和百度智能云联合打造了人工智能驱动的科学研究平台，实现了生成式人工智能与科研场景的结合。基于百度智能云提供的算力、大模型开发工具链等能力，科研人员在化学合成、流体计算、城市科学、法律等优势学科开展研究，取得了一系列突破成果。

以抗艾滋病病毒（HIV）小分子设计为例，上海交通大学人工智能研究院总工程师金耀辉介绍，过去筛选先导化合物需要2到3年，基于人工智能驱动的科学研究平台，科研人员2分钟内就生成超过25万个全新分子，并在30分钟内进一步筛选出172个潜在有效的分子，大幅提升分子设计的迭代效率。

展 望

推动人工智能驱动的科学研究，释放应用潜力

2023年2月，科技部会同国家自然科学基金委启动了“人工智能驱动的科学研究”专项部署工作，紧密结合数学、物理、化学、天文等基础学科关键问题，围绕新药创制、基因研究、生物育种、新材料研发等重点领域科研需求，布局前沿科技研发体系，推动人才聚集与国际交流合作。

如何推动人工智能与科学研究更好融合？

在陈翔看来，数据和模型是两大关键因素，“我国锂电池产业蓬勃发展，与电池前沿研究相互促进，为人工智能研究奠定了深厚的数据基础，这是重要的优势。”

李慧慧表示，将人工智能应用到作物育种上，我国在一些领域展现出强劲的竞争力，但相比国际先进水平，在高质量数据的积累、开放共享上仍存在一定差距。“必须更好地整合跨学科、跨团队的数据资源，优化算法性能，并扩大人工智能技术的应用范围。”她建议。

“人工智能技术更好助力科研，离不开算力支撑，需要构建高效稳定的人工智能异构算力底座。”杨小康说，学校接下来将升级平台能力，努力开创人工智能与科研场景相结合的创新示范。

受访专家建议，需要加强相关学科与人工智能交叉领域的复合型人才培养。“可以通过鼓励不同学科背景深度合作，引导开展交叉研究，发现研究的真问题、痛点和难题，释放人工智能应用的潜力。”张强说。

陈翔提醒，一些国家在人工智能大模型开发、专用芯片开发等方面占据主导，推动我国“人工智能驱动的科学研究”持续健康发展，还需要努力补上这些方面的短板。

近年来，我国“人工智能驱动的科学研究”发展很快，一些领域逐渐走向国际前沿，不久有望实现更多有价值的突破。张强/陈翔团队正着力打通从人工智能设计电解液到投入产业应用的完整链条，李慧慧和团队将重点推进作物杂交种基因组选择以及环境适应性预测模型的开发。“我们对未来研究充满信心。”他们说。