化學是一門研究物質(zhì)組成、結(jié)構(gòu)、性質(zhì)與變化規(guī)律的學科，其發(fā)展史是人類突破自然表象、揭示物質(zhì)本質(zhì)的歷史。從古代煉金術(shù)士對“點石成金”的癡迷，到現(xiàn)代科學家操控原子合成新物質(zhì)，在好奇心的驅(qū)動下，人類正不斷向著未知前進。
近年來，人工智能（AI）技術(shù)迅猛發(fā)展，進入千行百業(yè)。當AI遇上化學，將催生怎樣的“化學反應”？在化學領(lǐng)域，AI能處理海量數(shù)據(jù)，發(fā)現(xiàn)人類難以察覺的復雜結(jié)構(gòu)，加速科學研究進程，幫助解決復雜科學問題。從數(shù)據(jù)獲取到規(guī)律發(fā)現(xiàn)，再到技術(shù)應用，AI技術(shù)正從根本上重塑化學研究，為人類開拓未知帶來無限可能。
按下研究“快進鍵”
“近年來，面對復雜的化學分子結(jié)構(gòu)和海量實驗數(shù)據(jù)，傳統(tǒng)的化學與化工研究方法已經(jīng)開始顯得力不從心。”北京化工大學教授王丹向記者介紹，AI可模擬人類的學習過程，從大量數(shù)據(jù)中提取有用信息，優(yōu)化決策過程，已在化學研究領(lǐng)域展現(xiàn)出巨大潛力。
例如，上海交通大學借助白玉蘭科學大模型，首次實現(xiàn)化學大語言模型加速有機合成全流程。該大模型在單步/多步逆合成、產(chǎn)率預測、選擇性預測、反應優(yōu)化等多個基準任務上展現(xiàn)出卓越能力，在加速真實化學發(fā)現(xiàn)中潛力巨大，有望解決實驗科學中反復試錯的難題，為大型語言模型加速有機化學合成提供了新的研究范式和方法。
在化學與其他學科的交叉領(lǐng)域，AI同樣大有可為。“我們主要從事超重力前沿科學與納米材料產(chǎn)品工程研究。目前，我們課題組正在與計算機領(lǐng)域的專家合作，共同研發(fā)針對特定有機無機納米復合材料體系的AI智能體原型系統(tǒng)。”王丹說，課題組目前正借助深度學習算法進行配方模型構(gòu)建。實驗結(jié)果顯示，在給定性能指標、成本和環(huán)境影響的約束條件下，AI系統(tǒng)能快速生成滿足需求的材料配方。
“我認為AI帶來的最顯著提升主要體現(xiàn)在縮短研發(fā)周期、降低研發(fā)成本、提升發(fā)現(xiàn)概率方面。”大連理工大學材料科學與工程學院副院長董旭峰說，AI已能輔助科學家進行新材料設計、性能預測及工藝優(yōu)化等多個研究步驟。例如對于生物醫(yī)用材料，AI可以輔助設計多孔支架的結(jié)構(gòu)，預測其力學性能以及生物相容性。AI還可以分析海量的工藝參數(shù)與最終產(chǎn)品性能的數(shù)據(jù)，找出最優(yōu)的制備工藝窗口，實現(xiàn)工藝的精準調(diào)控。
普遍面臨“數(shù)據(jù)之渴”
化學實驗數(shù)據(jù)質(zhì)量的高低直接影響著AI的預測和決策能力。然而，當前，化學AI普遍面臨著“數(shù)據(jù)之渴”。
王丹舉例說，化工新材料的研發(fā)涉及實驗、模擬和文獻等多源異構(gòu)數(shù)據(jù)，但該領(lǐng)域長期存在數(shù)據(jù)碎片化、語義鴻溝及跨尺度關(guān)聯(lián)不足的問題。高質(zhì)量的數(shù)據(jù)是訓練有效AI模型的基礎，但化學數(shù)據(jù)的獲取、整理和標準化仍是一大難題。他建議，構(gòu)建統(tǒng)一的高質(zhì)量數(shù)據(jù)與知識體系，實現(xiàn)材料特征與性能信息的結(jié)構(gòu)化整合與動態(tài)更新。
董旭峰同樣認為，數(shù)據(jù)匱乏與數(shù)據(jù)質(zhì)量低是制約AI技術(shù)深入應用的重要阻礙。“尤其是生物醫(yī)用材料領(lǐng)域，涉及活體實驗和臨床研究的相關(guān)數(shù)據(jù)不僅數(shù)量少，而且獲取成本極高、噪聲大、標準不統(tǒng)一。”他建議，應推動數(shù)據(jù)標準化與共享，建立材料數(shù)據(jù)的標準格式和共享平臺；發(fā)展小樣本學習、零樣本學習技術(shù)，讓AI學會“舉一反三”；融合多源數(shù)據(jù)，將模擬數(shù)據(jù)、文獻數(shù)據(jù)、實驗數(shù)據(jù)甚至失敗的實驗數(shù)據(jù)整合起來。
此外，業(yè)內(nèi)專家普遍認為，數(shù)據(jù)驅(qū)動的AI還面臨模型代表性不足、可解釋性不確定等問題，要真正形成實用性強的技術(shù)方法，還需要系統(tǒng)深入研究探索。“作為科學家，我們不僅需要知道‘是什么’，更需要知道‘為什么’。”董旭峰說。
人機協(xié)同是方向
王丹認為，推動AI與化學研究深度融合，除了要在技術(shù)層面上不斷優(yōu)化，更要在思維層面融合貫通。他分析，當前主流AI模型多采用通用算法，缺乏化學專業(yè)適配性，AI與化學之間存在“語言不通”的問題。“不難想象，一名化學專業(yè)的博士和一名計算機專業(yè)博士在接受教育和科研訓練過程中，都潛移默化地形成了基于各自學科特點的思維模式。而思維模式是人類認知和決策的核心框架，不同思維模式?jīng)Q定了人們理解世界、解決問題和創(chuàng)造價值的不同方式。”王丹認為，要推動“AI+化學”的跨學科研究工作，需要匯聚這兩個或更多領(lǐng)域的專家。因此，培養(yǎng)選拔真正具備復合型知識體系和跨學科整合能力的創(chuàng)新人才至關(guān)重要。
隨著AI技術(shù)逐漸成熟，其與人類科學家分工的邊界在哪里？在董旭峰看來，即使未來AI發(fā)展到極高水平，至少在材料研究中，AI仍將面臨不可逾越的邊界，科學家的核心地位不會改變。
“AI擅長在給定的目標和框架下進行優(yōu)化和探索，但它無法自發(fā)地提出一個全新的、顛覆性的科學問題。AI是工具，它沒有價值觀。研究什么、為何而研究，涉及社會需求、倫理等諸多方面。”董旭峰說，真正的科學突破往往來自將兩個看似不相關(guān)的領(lǐng)域連接起來。這種“遠距離聯(lián)想”的能力和基于深厚學識的直覺和審美，目前還是人類的“特權(quán)”。
“AI未來或許會成為一位無比強大的研究助理，它能處理所有煩瑣、復雜、耗時的計算和數(shù)據(jù)分析工作，將科學家從重復性勞動中解放出來。但研究的‘大腦’和‘靈魂’，即提出問題的智慧、定義方向的責任、進行創(chuàng)造性整合的靈感以及承擔倫理后果的擔當，將始終屬于人類科學家。”董旭峰認為，“AI+化學”的未來發(fā)展方向應是人機協(xié)同、各展所長的“科學家—AI”共生體，而并非互相替代。
化學是一門研究物質(zhì)組成、結(jié)構(gòu)、性質(zhì)與變化規(guī)律的學科，其發(fā)展史是人類突破自然表象、揭示物質(zhì)本質(zhì)的歷史。從古代煉金術(shù)士對“點石成金”的癡迷，到現(xiàn)代科學家操控原子合成新物質(zhì)，在好奇心的驅(qū)動下，人類正不斷向著未知前進。
近年來，人工智能（AI）技術(shù)迅猛發(fā)展，進入千行百業(yè)。當AI遇上化學，將催生怎樣的“化學反應”？在化學領(lǐng)域，AI能處理海量數(shù)據(jù)，發(fā)現(xiàn)人類難以察覺的復雜結(jié)構(gòu)，加速科學研究進程，幫助解決復雜科學問題。從數(shù)據(jù)獲取到規(guī)律發(fā)現(xiàn)，再到技術(shù)應用，AI技術(shù)正從根本上重塑化學研究，為人類開拓未知帶來無限可能。
按下研究“快進鍵”
“近年來，面對復雜的化學分子結(jié)構(gòu)和海量實驗數(shù)據(jù)，傳統(tǒng)的化學與化工研究方法已經(jīng)開始顯得力不從心。”北京化工大學教授王丹向記者介紹，AI可模擬人類的學習過程，從大量數(shù)據(jù)中提取有用信息，優(yōu)化決策過程，已在化學研究領(lǐng)域展現(xiàn)出巨大潛力。
例如，上海交通大學借助白玉蘭科學大模型，首次實現(xiàn)化學大語言模型加速有機合成全流程。該大模型在單步/多步逆合成、產(chǎn)率預測、選擇性預測、反應優(yōu)化等多個基準任務上展現(xiàn)出卓越能力，在加速真實化學發(fā)現(xiàn)中潛力巨大，有望解決實驗科學中反復試錯的難題，為大型語言模型加速有機化學合成提供了新的研究范式和方法。
在化學與其他學科的交叉領(lǐng)域，AI同樣大有可為。“我們主要從事超重力前沿科學與納米材料產(chǎn)品工程研究。目前，我們課題組正在與計算機領(lǐng)域的專家合作，共同研發(fā)針對特定有機無機納米復合材料體系的AI智能體原型系統(tǒng)。”王丹說，課題組目前正借助深度學習算法進行配方模型構(gòu)建。實驗結(jié)果顯示，在給定性能指標、成本和環(huán)境影響的約束條件下，AI系統(tǒng)能快速生成滿足需求的材料配方。
“我認為AI帶來的最顯著提升主要體現(xiàn)在縮短研發(fā)周期、降低研發(fā)成本、提升發(fā)現(xiàn)概率方面。”大連理工大學材料科學與工程學院副院長董旭峰說，AI已能輔助科學家進行新材料設計、性能預測及工藝優(yōu)化等多個研究步驟。例如對于生物醫(yī)用材料，AI可以輔助設計多孔支架的結(jié)構(gòu)，預測其力學性能以及生物相容性。AI還可以分析海量的工藝參數(shù)與最終產(chǎn)品性能的數(shù)據(jù)，找出最優(yōu)的制備工藝窗口，實現(xiàn)工藝的精準調(diào)控。
普遍面臨“數(shù)據(jù)之渴”
化學實驗數(shù)據(jù)質(zhì)量的高低直接影響著AI的預測和決策能力。然而，當前，化學AI普遍面臨著“數(shù)據(jù)之渴”。
王丹舉例說，化工新材料的研發(fā)涉及實驗、模擬和文獻等多源異構(gòu)數(shù)據(jù)，但該領(lǐng)域長期存在數(shù)據(jù)碎片化、語義鴻溝及跨尺度關(guān)聯(lián)不足的問題。高質(zhì)量的數(shù)據(jù)是訓練有效AI模型的基礎，但化學數(shù)據(jù)的獲取、整理和標準化仍是一大難題。他建議，構(gòu)建統(tǒng)一的高質(zhì)量數(shù)據(jù)與知識體系，實現(xiàn)材料特征與性能信息的結(jié)構(gòu)化整合與動態(tài)更新。
董旭峰同樣認為，數(shù)據(jù)匱乏與數(shù)據(jù)質(zhì)量低是制約AI技術(shù)深入應用的重要阻礙。“尤其是生物醫(yī)用材料領(lǐng)域，涉及活體實驗和臨床研究的相關(guān)數(shù)據(jù)不僅數(shù)量少，而且獲取成本極高、噪聲大、標準不統(tǒng)一。”他建議，應推動數(shù)據(jù)標準化與共享，建立材料數(shù)據(jù)的標準格式和共享平臺；發(fā)展小樣本學習、零樣本學習技術(shù)，讓AI學會“舉一反三”；融合多源數(shù)據(jù)，將模擬數(shù)據(jù)、文獻數(shù)據(jù)、實驗數(shù)據(jù)甚至失敗的實驗數(shù)據(jù)整合起來。
此外，業(yè)內(nèi)專家普遍認為，數(shù)據(jù)驅(qū)動的AI還面臨模型代表性不足、可解釋性不確定等問題，要真正形成實用性強的技術(shù)方法，還需要系統(tǒng)深入研究探索。“作為科學家，我們不僅需要知道‘是什么’，更需要知道‘為什么’。”董旭峰說。
人機協(xié)同是方向
王丹認為，推動AI與化學研究深度融合，除了要在技術(shù)層面上不斷優(yōu)化，更要在思維層面融合貫通。他分析，當前主流AI模型多采用通用算法，缺乏化學專業(yè)適配性，AI與化學之間存在“語言不通”的問題。“不難想象，一名化學專業(yè)的博士和一名計算機專業(yè)博士在接受教育和科研訓練過程中，都潛移默化地形成了基于各自學科特點的思維模式。而思維模式是人類認知和決策的核心框架，不同思維模式?jīng)Q定了人們理解世界、解決問題和創(chuàng)造價值的不同方式。”王丹認為，要推動“AI+化學”的跨學科研究工作，需要匯聚這兩個或更多領(lǐng)域的專家。因此，培養(yǎng)選拔真正具備復合型知識體系和跨學科整合能力的創(chuàng)新人才至關(guān)重要。
隨著AI技術(shù)逐漸成熟，其與人類科學家分工的邊界在哪里？在董旭峰看來，即使未來AI發(fā)展到極高水平，至少在材料研究中，AI仍將面臨不可逾越的邊界，科學家的核心地位不會改變。
“AI擅長在給定的目標和框架下進行優(yōu)化和探索，但它無法自發(fā)地提出一個全新的、顛覆性的科學問題。AI是工具，它沒有價值觀。研究什么、為何而研究，涉及社會需求、倫理等諸多方面。”董旭峰說，真正的科學突破往往來自將兩個看似不相關(guān)的領(lǐng)域連接起來。這種“遠距離聯(lián)想”的能力和基于深厚學識的直覺和審美，目前還是人類的“特權(quán)”。
“AI未來或許會成為一位無比強大的研究助理，它能處理所有煩瑣、復雜、耗時的計算和數(shù)據(jù)分析工作，將科學家從重復性勞動中解放出來。但研究的‘大腦’和‘靈魂’，即提出問題的智慧、定義方向的責任、進行創(chuàng)造性整合的靈感以及承擔倫理后果的擔當，將始終屬于人類科學家。”董旭峰認為，“AI+化學”的未來發(fā)展方向應是人機協(xié)同、各展所長的“科學家—AI”共生體，而并非互相替代。
本文鏈接：人工智能加速催生“化學反應”http://m.sq15.cn/show-2-14184-0.html
聲明：本網(wǎng)站為非營利性網(wǎng)站，本網(wǎng)頁內(nèi)容由互聯(lián)網(wǎng)博主自發(fā)貢獻，不代表本站觀點，本站不承擔任何法律責任。天上不會到餡餅，請大家謹防詐騙！若有侵權(quán)等問題請及時與本網(wǎng)聯(lián)系，我們將在第一時間刪除處理。
下一篇： 商用清潔機器人有了國家標準