▶  本报记者  张伟

　　“发生在当下的科技革命” “科学研究的第五范式”， 一颗孕育数年的AI for Science（科学智能）种子，现在已现“百花盛放”之势。

　　近日，在2022中关村论坛系列活动——首届科学智能峰会上，多位院士、专家云端论道，既分享国际生命科学、新能源、新材料等领域的最新进展，又深度剖析AI for Science的最新发展趋势，探讨AI与基础科学的深度融合之道。

　　发生在当下的科技革命

　　AI for Science，是“发生在当下的科技革命”，在首日主论坛上，中国科学院院士鄂维南以此开题。他指出，以机器学习为代表的人工智能为基础科学研究带来了新的高维函数的表示工具和数据的分析工具。基础科学研究将成为人工智能的主战场，这二者结合后的研究成果将会极大促进宏观和微观计算模拟的发展，进而成为工业设计的全新起点。

　　这一观点，引起了多位院士的共鸣。

　　“如今看来，这已经成为了一种趋势，甚至是一种新的范式流行了起来。”中国科学院院士汤超回忆说，早在2018年，鄂维南院士就找到他，希望在北大建立一个交叉学科项目，用以探索机器学习在各个科学和工程领域的应用，并取名为“AI for Science”，目前已有蔚然成风之势。

　　“AI for Science，使得机器不仅仅能模拟普通人的智能，更可以学会科学家或者专家的智能。”中国工程院院士（外籍）张亚勤指出，“毫无疑问，这是一种全新的研究范式。”

　　中国工程院院士孙凝晖更是将这种新的研究范式，称为“科学研究的第五范式”。

　　中国科学院院士张平文则特别指出，“AI for Science新范式”，表现为机理和数据的融合计算，应用数学是该范式的重要基础。 “推动该范式的快速落地，要坚持服务于国家重大发展战略。”

　　新范式带来重大改变

　　AI for Science，作为科研范式的重大改变，势必会对人类生产、生活产生重要的影响，同时放眼全球，该研究范式对于全球科学家而言均属于一个较新的概念。如何推动AI for Science的发展和生态建设，成为当天院士、专家论道的主要话题。其中，原始创新、开源开放成为生态建设的主题词。

　　“科学家要勇于做原始创新，因为原始创新应当是科学家做科研的初心。”鄂维南院士指出，在资源分配的体制机制上，要向鼓励科学家去做原始创新的方向去设计，实现这一点，需要政、产、学、研各个层面的共同努力。

　　“我们应该认识到，在AI for Science领域从0-1的创新目前可能还不太多。当然有许多实际问题的解决，并不一定需要0-1的创新，但我们还是应该努力营造一个良好的创新生态，少做一些表面文章，多鼓励原始创新，只有这样，AI for Science才能健康、平衡、长远地发展。”汤超院士说。

　　张亚勤院士则强调，推动AI for Science的大发展，要建设开源开放的大平台，以此来带动和推动整个学术和产业界的融合和交流。

　　深势科技创始人、首席科学家张林峰博士以 DeepModeling 开源社区实践为例说：“在AI for Science上，开源社区为我们能看到的远景，设计了一条更为有效的路径，能够团结大家的力量，共同推动‘可能性’成为‘现实’。”

　　应用落地潜力在展现

　　在过去的几年里，AI for Science技术成果集中爆发，不少学界、业内人士已经看到了人工智能在传统科学领域的价值：AI for Science已为不同学科带来了新的动力。一场由人工智能和科学研究相结合引发的科研范式的转变，正在快速且深刻地影响着数学、物理学、化学、材料学、生物学等各个传统科研领域。

　　在首日论坛上，北京科学智能研究院、深势科技、高瓴创投共同发布了《2022AI4S全球发展观察与展望》，向外界展现近些年AI for Science在各个领域的重要应用实践。

　　与此同时，中国科学院院士王中林介绍了利用自驱动系统收集环境数据的应用实例，剖析了其中的物理原理和发展路径，并说明该技术将对人类储存能源、管理能源以及能源系统之间的协作产生重要影响。

　　在能源材料领域，清华大学化工系教授张强以高比能电池研究为例，阐释了能源化学和数据科学融合发展的新进展：通过将理论计算和实验相结合，应用人工智能技术在电池材料这一多尺度、复杂物理场景上实现了重要突破。

　　北京大学计算机学院教授黄铁军讲述了人工智能技术与生命科学理论相结合推动灵长类的视网膜仿真、神经元计算模式优化、高精度线虫模拟的重要研究成果。

　　清华大学电子工程系教授刘铁岩展示了通过人工智能与物理模型相结合，利用分子动力学模拟手段，解释了新冠病毒蛋白突变的机理和重要影响，以及进一步为药物筛序提供合理的建议。

　　深势科技计算生物负责人王冬冬博士介绍，针对药物发现领域公认的难成药靶点，利用AI for Science驱动的新的增强采样方法和药物发现工具，实现了对相关靶点别构口袋的发现以及固有无序蛋白动态构象的探索，为新药发现打开了全新的思路。

　　AI for Science与材料计算、AI for Science与工业仿真、AI for Science与生物计算等等，在科技界，一场AI for Science在科学创新前沿的探讨，一场AI for Science在产业化落地的探索实践，正在进行时。