AI撬動科研範式變革

　　——專(zhuan) 家解讀人工智能驅動的科學研究專(zhuan) 項部署工作

　　◎本報記者 劉 垠

　　“AI for Science有可能推動我們(men) 在下一輪科技革命中走在前沿。”談及近期科技部、自然科學基金委聯合啟動人工智能驅動的科學研究(AI for Science)專(zhuan) 項部署工作，中科院院士、北京科學智能研究院院長、自然科學基金委“下一代人工智能”重大研究計劃專(zhuan) 家組組長鄂維南作出這樣的預判。

　　鄂維南告訴科技日報記者，新一輪科技革命中很重要的一點，就是科學研究從(cong) “小農(nong) 作坊”模式向“平台科研”模式轉變，AI for Science正是推動“平台科研”的主要動力。AI技術不僅(jin) 極大提高了科研活動中共性工具的效率和精度，更重要的是，它可以助力建立一個(ge) 由產(chan) 業(ye) 需求推動科研的有效體(ti) 係。

　　作為(wei) 人工智能發展的一大趨勢，國際學術界已對AI for Science形成共識——將帶來科研範式的變革和新的產(chan) 業(ye) 業(ye) 態。

　　“科技部、自然科學基金委聯合啟動AI for Science專(zhuan) 項部署工作，進一步加強對AI for Science創新工作的統籌指導、係統布局，充分發揮我國在人工智能領域的優(you) 勢，加速科學研究範式變革和能力提升，推動人工智能走向高質量應用新階段。”中科院自動化研究所所長徐波說。

　　人工智能驅動科研突破什麽(me) 瓶頸

　　鄂維南坦言，長期以來，科研人員在實際研究中麵臨(lin) 四大痛點：其一，辛苦研究出來的基本原理等重要成果，用來解決(jue) 實際問題時比較困難；其二，目前的實驗手段，以及收集、處理、分析數據的效率相對低下；其三，科研團隊工作方式多為(wei) “作坊模式”，從(cong) 頭到尾都自己幹下來，科研效率亟待提高；其四，在解決(jue) 生物製藥、材料研發等過程中麵臨(lin) 的實際問題時，仍然依靠經驗和試錯方式。

　　“人工智能為(wei) 解決(jue) 這些問題提供了有效手段，AI for Science是以‘機器學習(xi) 為(wei) 代表的人工智能技術’與(yu) ‘科學研究’深度融合的產(chan) 物。”在鄂維南看來，AI for Science為(wei) 科學研究帶來了新方法、新工具，在提升創新效能的同時，賦能產(chan) 業(ye) 應用的實際場景。

　　北京科學智能研究院副院長、深勢科技創始人兼首席科學家張林峰認為(wei) ，AI for Science最大的特點是，它以一種前所未有的方式，將不同學科、不同背景的人們(men) 連接在一起。

　　“Al for Science 是一個(ge) 學科與(yu) 知識體(ti) 係大重構的過程，既需要計算機、數據科學、材料、化學、生物等學科的交叉融合，也需要數學、物理等基礎學科進行更深入的理論構建和算法設計。”張林峰提醒，“當且僅(jin) 當做好相關(guan) 的融合，我們(men) 才有機會(hui) 在新一輪科學革命中搶占先機。”

　　這些領域為(wei) 何迫切需要人工智能驅動

　　那麽(me) ，我國布局AI for Science前沿科技研發體(ti) 係，將聚焦哪些領域發力？

　　“緊密結合數學、物理、化學、天文等基礎學科關(guan) 鍵問題，布局AI for Science前沿科技研發體(ti) 係，是增強基礎科學研究競爭(zheng) 力的重要保證。”徐波解釋說，新藥創製、基因研究、生物育種、新材料研發等領域，是人工智能與(yu) 科學研究結合需求迫切、進展突出、具有代表性的重要方向。

　　比如，基於(yu) 生物學機製、疾病和用藥相關(guan) 數據、藥物的各種藥學性質等建立的人工智能模型，可預測新藥的安全性和有效性；通過人工智能輔助，可減少研發中的人力、物力和時間投入，提高藥物研發成功率。當人工智能賦能新材料研發後，可實現將電子尺度和分子尺度等多尺度材料計算模擬方法耦合，快速篩選符合目標性能的新材料成分和構型，壓縮新材料與(yu) 器件研發周期和成本……

　　“科學研究中的人工智能方法，不能簡單照搬我們(men) 熟知的人工智能領域如計算機視覺和自然語言處理等領域現有模型和算法，而是需要根據每個(ge) 基礎科學具體(ti) 情況，研發針對性的智能算法、模型和軟件工具。”徐波強調，隻有將人工智能技術與(yu) 自然科學和技術科學領域的知識深度結合，才能充分發掘人工智能加速重大科學問題研究和知識發現的變革性潛力。

　　整合資源形成推進合力

　　談及我國在該領域的發展，鄂維南直言，我們(men) 率先意識到人工智能方法對基礎科學研究可能產(chan) 生的影響，全麵布局AI for Science的科學研究和培養(yang) 科研團隊，將人工智能方法、高性能計算與(yu) 物理模型相結合，並已走在了國際前沿。但如何高效利用這些優(you) 勢積極引導布局，使我國在當下的科技革命中走在前列，並率先打造出新的科研體(ti) 係、有效調動人才資源、合理利用資金和算力資源，是急需解決(jue) 的問題。

　　值得注意的是，科技創新2030—“新一代人工智能”重大項目已將AI for Science作為(wei) 人工智能的重要發展方向進行安排。徐波介紹，在2022年指南中，部署了“重大科學問題研究的AI範式”任務，麵向地球科學、空間科學、化學和材料科學、生物醫藥科學等領域重大科學問題開展創新研究。同時，麵向國際競爭(zheng) 激烈的蛋白質結構預測領域，支持國內(nei) 優(you) 勢團隊開展科研攻關(guan) 。

　　記者了解到，科技部將以科技創新2030—“新一代人工智能”重大項目為(wei) 牽引，加快人才、技術、數據、算力等要素匯聚，形成推進AI for Science的政策合力。在平台支撐方麵，科技部正在加快推動公共算力開放創新平台建設，將為(wei) AI for Science發展打造智能算力基座；在機製創新方麵，科技部將鼓勵用戶單位圍繞業(ye) 務深度挖掘技術需求和科學問題，深度參與(yu) 模型研究與(yu) 算法創新，積極開放數據、資源。

　　著眼未來發展，鄂維南提醒，要把資源真正配置到一線科研人員手中。AI for Science時代，更需構建垂直整合的人才團隊，以重點問題為(wei) 牽引，真正讓人工智能的研究人員與(yu) 基礎科學領域如材料、能源等領域的研究人員一起工作，進行高頻的學術交流和思想碰撞。

　　“AI for Science的潛力正在不斷釋放，但也麵臨(lin) ‘點’上研究較多、追逐‘熱點領域’研究較多，而係統布局較少的現實問題。”徐波說，為(wei) 此，科技創新2030—“新一代人工智能”重大項目將在第二個(ge) 五年實施階段(2023—2027年)持續加強體(ti) 係化布局和支持力度，擬研究AI for Science的新理論、新模型、新算法，研發跨尺度建模、高精度仿真、微分方程智能解算等共性研發工具和平台，發展一批針對典型科研領域的AI for Science專(zhuan) 用平台，推進軟硬件計算技術升級，打造智能化科研的開源開放創新生態。(科技日報)