▶  本报记者  李洋

　　3月29日，在2025中关村论坛年会AI for Science青年论坛上，中国科学技术信息研究所发布了《AI for Science创新图谱》。

　　“2019-2023年间，全球AI for Science论文发表年均增长率为27.2%，各学科领域论文发表均呈现逐年递增趋势，其中生命科学、物理学和化学等领域发表的人工智能应用论文数量最多。中美两国是当前AI for Science研究大国，近5年间，中国论文发表超过10万篇，居全球最高。”

　　有学者将AI for Science译作“人工智能驱动的科学研究”，也有学者译作“AI赋能科学研究”。无论如何，AI for Science正在重塑科技创新未来图景。

　　打破界限

　　助力科研资源加速整合

　　中国科学院院士、北京大学国际机器学习研究中心主任、北京科学智能研究院学术委员会主任鄂维南解析了AI for Science的领域发展路径。

　　“科研的转型升级能够有效帮助我们打破学科与学科之间的界限、打破理论与实验之间的界限、打破科研与产业之间的界限，使我们有更大的探索空间和更高的探索效率。 要实现这个目标，就需要围绕数据库、文献工具、理论方法和模型以及实验工具构建科研基础设施，形成新的科研协同模式，推动我们走向‘大科研时代’。”鄂维南说。

　　鄂维南表示，在AI for Science领域，文献知识和各类数据库属于存量数据，未来通过实验和计算将产生更大量的增量数据，如何将它们充分利用，这就需要基础设施平台系统的搭建。“在不远的将来，我们会看到科研资源的加速整合，在广大范围内构建一个‘图书馆’、一个‘教学楼’、一个‘超算中心’、一个‘实验室’，让AI能读文献、做计算、做实验、做评测，同时能形成融合的闭环。”

　　“通专融合”

　　AI将成为“革命的工具”

　　“面向科学研究的AI发展首先要实现‘通专融合’，此外科学研究需要AI在研究者、研究工具、研究对象一切关系的总和上发挥作用，当这两个关键步骤实现后，AI将完成质的飞跃——从‘工具的革命’，转变为能够重构科研范式、催生新领域的‘革命的工具’，最终引领科学研究进入新时代。”上海人工智能实验室主任、首席科学家周伯文表示。

　　与会青年学者带来的众多成果，正是这一框架的探索实践。

　　会上展示的新一代科研知识库与文献开放平台Science Navigator（科学导航），目前已覆盖全球1.6亿篇文献，自然语言问答式的文献检索，助力科研工作者前瞻性开展文献数据和实验数据的一体化管理，让科研检索与管理效率提升近百倍。

　　“Science Navigator支持多模态科研数据的问答，例如可以粘贴一张分子式，它可以准确识别相关分子式，并找到与这个分子式相关的论文。”正如北京科学智能研究院副院长李鑫宇所言，Science Navigator自2023年在中关村论坛上首发，现已成长为一个产品级的应用。用户可以构建学术主页和AI学术助手，与全球学者进行问答交流。

　　与会者表示，即使计算方式已被广泛使用，实验仍然是科研中不可或缺的组成部分，AI的加持将使实验变得更加高效和精准。以电子显微镜技术为例，其快速发展使得每小时可采集超过TB级的多维数据，这些数据能揭示样品的原子级三维结构、成分和价态等信息。然而，样品特性的精确重建是个重大挑战，机器学习为解决这一问题提供了有效框架。

　　“未来我们希望可以让AI能‘读、算、做’，并将这些原本独立的步骤形成自主运转的闭环，Uni-Lab-OS智能实验室操作系统就如同这里面的‘神经系统’，助力传统实验室向自动化智能化跃迁升级。”北京科学智能研究院院长、深势科技创始人张林峰在会上首次发布Uni-Lab-OS智能实验室操作系统，他期待可以解决传统实验室手工操作低效、设备孤立及数据分散的痛点，为科研人员节省更多时间和精力。

　　“以智能化、高通量实验为目标的AI for Science科研基础设施将为以大模型为代表的人工智能提供高质量的科学实验数据来源以及模型训练和验证场景，其互联互通有望推动规模法则的实现。”厦门大学南强特聘教授、苏州实验室主任研究员洪文晶说。

　　场景应用

　　解决科学最紧迫问题

　　在基础设施的坚实基座上，AI for Science正通过应用场景解决产业实际痛点。

　　DeepFlame Rocket应用（临界炽核）作为AI for Science领域从科研迈向商业航天应用的一个典型案例在会上首次发布。

　　“其核心引擎DeepFlame是首个集成了AI框架用于反应流高精度数值模拟的高性能、大规模开源软件平台。”北京大学工学院特聘研究员、北京科学智能研究院研究员陈帜带来了生动直观的分享展示，“以朱雀2号为例，对‘火箭心脏’即发动机进行全流程数值模拟，实现从燃料喷注器、燃烧室到外喷羽流场的亿级网格仿真，计算精度达到工业应用标准，相较传统方案实现了超千倍的加速性能。”

　　中国科学院化学所研究员江剑展示了ChemBrain智能体（化学智脑）和ChemBody机器人（化学智体）的智能联动，并发布AI-Ready多维高分子数据库（Polymer Data Bank）。“ChemBrain智能体是实现化学材料智能创制‘干-湿’闭环的关键，其核心组件包含AI-Ready数据库、材料性质预测模型、AI增强的多尺度模拟、自动化硬件设备（ChemBody）智能调用的操作系统，各组件可以通过自然语言实现智能化调用和高效协作。”

　　科学数据价值的深入挖掘和科研创新亟需智能化技术的应用。中国科学院高能物理研究所研发的Dr.Sai（赛博士）多智能体协同系统，实现了物理分析全流程自动化，取得了一系列关键技术的核心突破。

　　中国科学院高能物理研究所研究员、计算中心主任齐法制分享了高能物理方向的成果，“通过分层多智能体系统，已成功复现重要科学发现——四夸克粒子Zc(3900)的发现过程。Dr.Sai已经成为高能物理领域‘感知-推理-执行’一体化的专家级科研助手，并为粒子物理领域模型发展奠定基础。”