“化學研究的初級階段好比交通方式中的‘步行’，隨著技術手段升級，研究程度加深、效率變高，等於(yu) 用上了自行車、摩托車、汽車。當引入人工智能，好比坐上火箭。最終必然‘量變引起質變’，帶我們(men) 去以前去不了的地方。”在中國科學技術大學，精準智能化學重點實驗室主任李震宇用這樣一個(ge) 比喻形容化學研究的變革。

　　“去以前去不了的地方”是李震宇和所在實驗室團隊孜孜不倦的科研追求。今年1月，中國科學院精準智能化學重點實驗室正式獲批建設，由近100位年輕人組成，除化學與(yu) 材料科學專(zhuan) 業(ye) 的師生外，還包括計算機、人工智能、大數據等方向的研究人員，聚焦如何改變化學研究範式這一關(guan) 鍵科學問題，形成集群和協同攻關(guan) 優(you) 勢。

　　縱觀曆史，化學研究由煉丹、煉金演變而來，人類衣食住行離不開化學物質。同時，作為(wei) 基礎科學的化學，也是多學科交叉的聚集點和出發點，化學研究在能源、環境、材料、生物醫藥等應用領域扮演日益重要的角色。

　　曆經數百年科研攀登，如今，精準智能化學成為(wei) 化學家的夢想，更是實現化學學科跨越式發展的契機。而以人工智能為(wei) 代表的新技術會(hui) 不會(hui) 重新定義(yi) 化學的未來，改變化學研究的麵貌？新興(xing) 技術的雙刃劍會(hui) 對研究範式帶來哪些衝(chong) 擊和影響，師生們(men) 又有哪些對策和新招？這些問題一直縈繞在科研工作者心中。

　　化學版GPT來了，激起科研範式變革浪花

　　在精準智能化學重點實驗室中的機器化學家實驗室，青年科研人員隻需在控製大屏輸入指令，兩(liang) 個(ge) 動作靈活的機器人“小來”和“小福”就可以在幾個(ge) 操作台間穿梭，伸出機械手臂進行試劑配製。

　　中國科大化學與(yu) 材料科學學院教授江俊團隊開發了全球首個(ge) 集閱讀文獻、設計實驗、自主優(you) 化於(yu) 一體(ti) ，覆蓋化學品開發全流程的機器化學家平台，從(cong) 數百萬(wan) 的可能組合中找到全局最優(you) 解加快材料研發。業(ye) 內(nei) 專(zhuan) 家認為(wei) ，該成果引領化學研究朝著知識理解數字化、操作指令化、創製智能化的趨勢前進，將對化學科學產(chan) 生巨大影響。

　　江俊團隊有近30位成員，大多是90後、95後，大家懷抱“做中國人自己的材料數據庫”的科研夢想。在關(guan) 鍵節點——建立數據庫知識圖譜時，團隊曾吃了很多苦頭：數據質量良莠不齊，無法進行高效檢索，不得不投入大量人力物力為(wei) 數據打上識別標簽。

　　無奈和碰壁倒逼江俊提升研究效率，2014年，建立會(hui) 思考的“化學大腦”的念頭在江俊心中萌發。他找來人工智能、電子科技、數學、化學等專(zhuan) 業(ye) 方向人才，組成交叉學科背景的團隊，將大數據和人工智能技術注入平台的計算大腦，建立理實交融的智能模型。曆經8年探索，打造初代機器化學家“小來”。

　　值得一提的是，在高熵催化劑等實驗中，“小來”可以從(cong) 55萬(wan) 種可能的金屬配比中找出全局最優(you) 解，將傳(chuan) 統“試錯法”實驗所需的1400年科研周期縮短為(wei) 5周。

　　論文閱讀、機器人做實驗、數據分析、優(you) 化篩選……當前，江俊團隊科研全流程都有人工智能的貢獻印記，今年年初，在多任務處理性能上實現升級的第二代機器化學家小福“誕生”。

　　如今，團隊又自主研發了一款閱讀了50萬(wan) 篇文獻的化學領域聊天機器人程序Chem-GPT，它能夠針對使用者提出的問題，給出從(cong) 文獻中學習(xi) 到的可靠答案，從(cong) 而驅動機器化學家做實驗，助力化學品和新材料研發。

　　江俊分析，人工智能給化學研究帶來如下改變：基於(yu) 大語言模型，從(cong) 文獻、專(zhuan) 利、教科書(shu) 等數據源中挖掘化學數據，建立化學知識圖譜，用於(yu) 支持化學研究決(jue) 策和創新；建立物質的結構、組分、製備工藝等因素與(yu) 性質間的關(guan) 係模型，用於(yu) 指導新型的分子、材料、催化劑、藥物等的設計與(yu) 優(you) 化；結合人工智能技術幫助化學家自動設計實驗方案、優(you) 化實驗過程，並進行自動測量表征。

　　他談道，對人工智能機器人平台而言，首要挑戰是“如何賦予機器人物質級別的感知能力和對化學過程的預判能力”。這兩(liang) 個(ge) 能力是讓人工智能能夠真正理解複雜物質世界、捕捉化學係統的本質特征規律的關(guan) 鍵。在他的科研藍圖裏，未來研發出模仿學習(xi) 人類科學家創造力、具備“看”“聞”“聽”“觸”環境感知的“智慧科學家”，進而實現數據與(yu) 智能驅動的化學研究新範式。

　　李震宇總結道，傳(chuan) 統的研究範式深度依賴於(yu) “試錯法”，效率低。公眾(zhong) 對化學的認識停留在不環保、不經濟、不安全等刻板印象，迫切需要提升化學研究的精準程度與(yu) 效率，讓公眾(zhong) 對化學麵貌有新的認識。而人工智能等先進技術，無疑有助於(yu) 探索建立化學研究的精準化、智能化雙驅動模式。

　　人工智能浪潮下，科研還需要坐“冷板凳”嗎

　　當先進技術不斷迭代應用，讓人不禁思考，我們(men) 是否還需要“冷板凳”式的科研，反複試錯的意義(yi) 又在哪裏？

　　近日，中國科學技術大學姚宏斌課題組、李震宇課題組與(yu) 浙江工業(ye) 大學陶新永課題組合作，基於(yu) 雙碳背景下電化學儲(chu) 能發展的新範式，設計開發出鑭係金屬鹵化物基固態電解質新家族LixMyLnzCl3，在無任何電極修飾的情況下實現了室溫可運行的全固態鋰金屬電池，成果於(yu) 今年4月5日發表在《自然》（Nature）雜誌上。

　　這一被業(ye) 內(nei) 專(zhuan) 家稱讚為(wei) 電化學儲(chu) 能領域固態電解質材料新突破的背後，一群年輕人就飽嚐“冷板凳”之苦。從(cong) 湘潭大學材料科學與(yu) 工程專(zhuan) 業(ye) 推免至中國科大讀研的羅錦達是其中之一，進組3年，他從(cong) 零基礎“小白”成長為(wei) 科研主力。

　　2021年2月，還在讀大四的羅錦達抱著學習(xi) 的心態來到中國科大做畢業(ye) 設計，剛好趕上上述課題的萌芽狀態。大四畢業(ye) 後，沒有畢業(ye) 旅行和假期，他幾乎每天都在實驗室中度過。每位前輩都耐心解答這位準研一新生提出的每個(ge) 問題，正是在這種尊重科研的氛圍下，“跨界”應用化學方向的羅錦達，往研究中心地帶快速成長靠攏。

　　由於(yu) 對計算機編程感興(xing) 趣，羅錦達每天一有空就前往圖書(shu) 館讀論文、書(shu) 籍。研究中，他和小夥(huo) 伴每天晚上在實驗室待到很晚，每人分別分析和複盤研究進展。此前，組內(nei) 一位學長嚐試用第一性原理計算來研究材料擴散性質，但由於(yu) 沒有考慮到材料尺寸效應以及界麵的應力作用，結果和預期相反。

　　“因為(wei) 實驗原材料、環境天氣等客觀因素和操作不當、經驗不足等主觀原因，研究過程中遇到挫折是家常便飯，尤其是理論計算，有時花費大量時間精力，最後發現結果不盡人意。但不能因為(wei) 一條路走不通，就否定大的科研方向，要不斷總結原因。”羅錦達說。

　　那位學長畢業(ye) 離組後，羅錦達接過關(guan) 鍵的理論計算模擬任務，並調整思路，從(cong) 零開始學習(xi) 分子動力學知識。他嚐試運用密度泛函理論、分子動力學模擬和鍵價(jia) 位能等方法，來研究實驗對象獨特的結構和離子傳(chuan) 導機製，從(cong) 原子尺度更好地理解鋰離子的擴散行為(wei) ，對後續實驗合成有很大的指導作用。

　　處理計算模擬數據時，羅錦達又化身“程序員”，自學編程語言python，他覺得，每天都專(zhuan) 注解決(jue) 一個(ge) 新問題，這種生活開心且充實。

　　最終，團隊根據計算機模擬結果，設計出常溫條件下可以穩定存在的鑭係金屬氯化物，合成出相應的固態電解質。他們(men) 把研究數據錄入合肥先進計算中心進行模擬分析，最終實現鋰離子在空間裏的快速傳(chuan) 導。

　　“先進的技術可以幫助科研人員快速分析和處理知識、提取有用信息、找出規律和趨勢。”在姚宏斌看來，有了先進的計算方法，未來計劃引入人工智能機器學習(xi) ，可以優(you) 化出更好的電解質體(ti) 係，探索新的高性能固態電解質材料，實現更穩定的界麵並適配到實際的電池中。

　　但他同時指出，科研的本質創新和發現，以及對問題深入思考和探索，這些過程往往需要反複試錯和不斷嚐試。即使在數據處理方麵已經有了成熟的技術工具，年輕人在做科研的數據積累階段仍然需要坐“冷板凳”，這是幫助年輕人更好理解問題的必經之路。

　　李震宇持有相同看法。他觀察到，人工智能擅長高通量的精準實驗、大規模數據處理等能力，但並不具備人類的創造性和判斷力等思維能力，無法創造出超越現有新穎化學思想的方法。因此，“冷板凳”有助於(yu) 培養(yang) 對化學有深刻理解和洞察力的人才。

　　據江俊課題組核心成員肖恒宇博士分析，年輕人在科研數據積累時，可以利用人工智能技術來加速數據生成、收集、整理，但在研究尚未深入的領域，缺乏經驗的學生需要反複試錯。

　　人和AI如何“打配合”，科研效果才能最優(you)

　　采訪過程中，很多師生提到了化學研究中“數據”的重要性——數據和技術相伴相生，人與(yu) 技術的“合作關(guan) 係”也離不開數據的支撐。

　　江俊團隊的機器化學家自誕生之初就與(yu) 海量文獻數據打交道。“數據時代給我們(men) 帶來新機遇，同時也帶來不少難題。本質上說，智能來自對數據的學習(xi) ，數據少，有用的知識就少，一些小數據對於(yu) 化學研究來說珍貴稀疏，因此，做實驗‘很貴’。”江俊說。

　　“現階段大部分數據都是從(cong) 文獻中收集來的，而文獻中的數據經常是被‘美化’過的理想數據。此外，標注數據需要大量人力物力，隨著數據需求上升，這部分成本會(hui) 越來越高。”江俊課題組博士生喬(qiao) 欽禹說。

　　還有部分師生談及，由於(yu) 現存研究數據來源多且雜，當高質量和低質量數據混在一起，人工智能很容易學到“錯誤的數據”，開頭就錯了，後麵自然會(hui) 影響效率甚至準確性。

　　算力算法的缺失也是現階段痛點之一。

　　由於(yu) GPU算力不足，使得江俊團隊的ChemGPT“跑不快”，訓練迭代起來很慢。“人工智能大規模應用勢不可擋，現有人工智能算力不足是亟待解決(jue) 的問題。”江俊課題組的博士生馮(feng) 毅也注意到類似問題。

　　“精準化學非常依賴實驗數據的準確性。”李震宇告訴記者，改變現有痛點的可行路徑是通過精準計算和精準製備，得到大量精準數據，從(cong) 數據出發來得到高的化學智能。有了智能技術以後，再回過頭來對化學反應、分子性質、材料性質進行做精準調控，形成完整的研究閉環。

　　喬(qiao) 欽禹也曾對二者的“分工”做過設想：低端、可重複的循環實驗操作，交給人工智能、自動化等技術來完成，以完成數據積累；而分析、創新、糾錯等操作交給人來做，例如總結規律，發明創造等。

　　李震宇提出，最佳合作模式應由人類提出科學問題和假設，人工智能設計實驗、采集數據、構建模型並驗證人的假說。同時，人類可以根據人工智能化學實驗機器人提供的數據和反饋，調整和改進自己的化學思路和方法，共同完成更高水平的化學研究。

　　姚宏斌也期待，“希望整個(ge) 範式更加精準化、智能化，通過人工智能自主學習(xi) 和優(you) 化，可以針對複雜環境體(ti) 係得到全局最優(you) 解，最終有望跳出原有的試錯法框架。”

　　技術加持下，人類科學研究的邊界在哪裏

　　近年來，隨著人工智能算法、大數據技術等“火爆”名詞的出現，有關(guan) “人類能否拓展科學研究邊界”的話題再度回歸。

　　“物理學領域，人類能夠探究到宇宙的起源和演化，但仍然無法解釋暗物質和暗能量的本質；生命科學領域，我們(men) 已經能夠破解基因密碼，但無法完全理解生命的起源和演化；社會(hui) 科學領域，我們(men) 能夠通過大數據分析來研究人類行為(wei) 和社會(hui) 現象，但無法完全預測人類行為(wei) 的複雜性和多樣性……”姚宏斌說，先進技術為(wei) 人類探究更深層次的科學問題提供更多可能性和機會(hui) 。然而，科學探究的邊界並不由技術的發展所決(jue) 定，它同時被人類對自然界的認知和理解所限製著。

　　在他看來，當科學技術不斷發展，人類可以更深入地探究自然界的奧秘，但科研工作者也需要不斷拓展自身認知和理解，才能更好地理解和解釋自然界的複雜和多樣。

　　馮(feng) 毅告訴記者，當發達的技術解放了科學家的雙手，讓他們(men) 有更多的時間去思考，激發更多創新性成果，大家對於(yu) 科學的認知也就越深入，就會(hui) 發現越來越多的問題和無法解釋的現象可以繼續探索。

　　喬(qiao) 欽禹也認為(wei) 人類的科學探究沒有邊界。他說：“先進技術的出現，就是讓我們(men) 不斷地拓展邊界。相應的，有關(guan) 部門應該給予坐‘冷板凳’的年輕人更多物質上和精神上的支持。對知識的渴求，永遠是人類前進的動力之一。”

　　江俊的觀點是懷抱更開放的胸懷和心態去提升自我。他說：“現階段的科研知識樹已經無比龐大，沒有人能看到全局，我們(men) 應該找到自己喜歡的葉麵。在任何一個(ge) 專(zhuan) 業(ye) ，在自身專(zhuan) 業(ye) 領域把知識脈絡看清楚，精準、紮實掌握知識精髓。”

　　幾年來，他學習(xi) 了很多新知識，甚至試著向本科生學習(xi) 弄清一些新問題，開組會(hui) 時，他甚至插不上嘴，隻提供方向上的指導。

　　肖恒宇覺得，如果科學探究的邊界一詞是指科學的前沿，那麽(me) 科學研究本身就是在不斷拓展科學的邊界、加強人類對自然的認知過程；如果科學探究的邊界一詞是指人類科學不能超越的限製，該限製或許就代表人類目前所能觀測到的自然現象的集合，當人類所創造的理論、預測的自然現象超越了這個(ge) 集合之後，就無法證實或證偽(wei) 理論，使得理論失去現實意義(yi) 。

　　“當討論話題回到原點，其實人工智能是典型的問題驅動學科，相關(guan) 研究尚處於(yu) 初級階段。化學研究的體(ti) 係是獨特且複雜的，看似簡單的化學反應，影響因素涉及分子結構、材料性質等。”李震宇呼籲，應該研發專(zhuan) 門服務於(yu) 精準化學研究的人工智能新算法，發展先進的理論計算與(yu) 實驗表征方法，細化到溫度、壓強、分子式等各種參數，必將大幅提升化學研究效率。

　　他進一步解釋道：“科學研究本身就是在不斷拓展邊界、加強人類對自然的認知過程。精密的儀(yi) 器、高性能的計算方法、人工智能等先進技術能夠幫助人們(men) 更快、更好地進行科研探索，在可預見的將來加速擴大科學研究的邊界。”

　　中青報·中青網記者 王海涵 來源：中國青年報