為貫徹落實國家《新一代人工智能發(fā)展規(guī)劃》，科技部會同自然科學基金委近期啟動“人工智能驅(qū)動的科學研究”（AI for Science）專項部署工作,，緊密結(jié)合數(shù)學、物理,、化學,、天文等基礎學科關鍵問題，圍繞藥物研發(fā),、基因研究,、生物育種、新材料研發(fā)等重點領域科研需求展開,，布局“人工智能驅(qū)動的科學研究”前沿科技研發(fā)體系,。

為何啟動這項工作,？北京在這一方面已經(jīng)有哪些研發(fā)成果？新京報記者近日來到北京科學智能研究院進行探訪,。

科研人員面臨困境,，實際問題還在通過試錯辦法解決

為何要啟動“人工智能驅(qū)動的科學研究”專項部署工作？北京科學智能研究院副院長李鑫宇說,，在科學研究中,，科研人員長期以來面臨著多重困境。一方面,，科研人員辛辛苦苦把基本原理研究出來之后,，用于解決實際問題時卻很困難。另一方面,，目前的實驗手段,、處理數(shù)據(jù)分析手段、收集數(shù)據(jù)手段效率也相對低下,。同時,，目前團隊工作方式大多為“作坊模式”，且存在重復建設的情況,，科研效率亟待提高,。此外，在解決生物制藥,、材料等這些實際問題的過程中,，研究還是在依靠經(jīng)驗和試錯的方式。

而人工智能正好是解決這些問題的有效手段,。AI for Science是以“機器學習為代表的人工智能技術”與“科學研究”深度融合的產(chǎn)物,。借助機器學習在高維問題的表示能力，人類可以更加真實細致地刻畫復雜系統(tǒng)的機理,，同時可以把基本原理以更加高效,、更加實用的方式應用于解決實際問題，大大提升科研效率,，提升原始創(chuàng)新的效率,；推動實驗設備做得更加高效、精準,；此外,，還可以將人類多年來積累的知識全面準確地提取出來。

從“作坊科研”轉(zhuǎn)變到“平臺科研”

“人工智能驅(qū)動的科學研究”可以重構科研模式,，使“作坊科研”走向“平臺科研”,。

在科研活動中，如材料研究、生物醫(yī)藥研究等存在很多共性,，在理論上用的物理模型和基本原理是有限的,、有共性的，研究中用的實驗手段也是如此,。 AI技術發(fā)展到今天,，使人類可以將共性工具串連起來，從整體的角度來看待科研,，大幅度提高科研的效率,。

“人工智能驅(qū)動的科學研究”加速科研和產(chǎn)業(yè)之間的連接，建立起以產(chǎn)業(yè)需求推動科研的有效體系,?！拔覀兂３Ｄ冒沧磕Ｊ絹眍惐绕脚_科研?！崩铞斡钫f,，安卓模式就是屏蔽了所有硬件后臺和應用創(chuàng)作者之間對接的復雜性，給予應用創(chuàng)作者一系列接口以完成進一步的創(chuàng)作,，這也推動APP創(chuàng)新成果的出現(xiàn),。

發(fā)布“自然科學界的ChatGPT”

“人工智能驅(qū)動的科學研究”可以將不同學科、不同背景的人們聯(lián)系在一起,，是跨學科大融合,、大重構的過程。北京科學智能研究院率先意識到人工智能方法對基礎科學研究可能產(chǎn)生的影響,，全面布局AI for Science的科學研究并培養(yǎng)科研團隊,，使得中國在基于AI的基本原理方法方面走在了國際前沿。

據(jù)李鑫宇介紹,，北京科學智能研究院由鄂維南院士領銜,，致力于將人工智能技術與科學研究相結(jié)合，加速不同科學領域的發(fā)展,。

自成立以來，鄂維南院士團隊在多尺度科學計算模擬領域已攻克多項關鍵核心技術,，并在機器學習驅(qū)動的密度泛函,、分子動力模擬等領域處于國際領先水平。這些關鍵技術的突破將極大提高人類對于微觀計算模擬仿真的利用能力,，直接助力新醫(yī)藥,、新材料的研發(fā)。

去年12月,，北京科學智能研究院發(fā)布了首個覆蓋元素周期表近70種元素的深度勢能原子間勢函數(shù)預訓練模型—— DPA-1,，被稱為“自然科學界的ChatGPT”。DPA-1可模擬原子規(guī)模高達100億,，目前已經(jīng)在高性能合金,、半導體材料設計等應用場景中證明了其領先性和優(yōu)越性,。這一突破也是AI for Science走向大規(guī)模工程化的重要里程碑。

揭示微觀世界的基本原理,、精確模擬微觀粒子的狀態(tài),，不僅是人類一直以來的夢想，也是藥物,、材料,、化工等產(chǎn)業(yè)走向理性設計的必由之路。分子動力學模擬是人們研究微觀世界的基本方法之一,。其中,，對原子間勢函數(shù)的精確建模，是最核心的問題,。

北京科學智能研究院通過將機器學習與高性能計算相結(jié)合,，實現(xiàn)了1億原子第一性原理精度的分子動力學模擬，獲當年全球高性能計算領域最高獎項“戈登·貝爾”獎,。團隊在此基礎上進一步優(yōu)化高性能算法,，2022年將模擬上限提升至100億原子數(shù)量級。

對于從事材料設計研究的科研人員,，可基于DPA-1快速構建高精度,、方便易用的原子間勢函數(shù)模型，利用人工智能技術進行分子模擬,、設計創(chuàng)新材料,、洞見研究方向、降低使用門檻,，可大幅度縮短研發(fā)周期,，降低研發(fā)成本。

預訓練模型被普遍認為是未來趨勢,，已成為AI應用的基礎設施,，并在語言、圖像等領域成功應用,。DPA-1的出現(xiàn)為自然科學領域研究人員探索微觀世界提供了一個基礎設施,，其訓練模型可以被復用，避免開發(fā)人員重復進行大規(guī)模的訓練,，從而大幅度降低了研發(fā)的成本,。

新京報記者 張璐

編輯 陳靜 校對 李立軍