“化学的发展离不开创新，但长期以来，创新受限于低效的试错循环，‘猜测—尝试—错误’是沿用了超过150年的经典范式。到了今天会发现一个问题：相比灯丝、火药、合成氨等发明，当代的科研成果似乎丢失了‘变革性’，承载物质科学创新前沿的实验室，好像变成了大量低效重复劳动的‘小作坊’。”中国科学院院士、同济大学校长杨金龙，7月17日在世界人工智能大会“人工智能赋能材料科学”论坛上说。
人工智能正助力从知识数字化、理实模型化、创新平权化三个方面突破瓶颈。据介绍，我国已从顶层设计层面全面布局“智能科学家”一体化科研体系建设，整合高校、科研院所、企业创新资源，打造国产化、自主化、体系化的智能科研基础设施。
【物质科学创制的三大瓶颈】
杨金龙认为，物质科学创新面临的挑战可归结于三大瓶颈——
一是数据基础瓶颈，各科研团队独立摸索，数据难以共享、知识碎片化，低水平重复投入普遍，“手动试错、手口传承”的低效模式，制约高质量科研数据积累。
二是科学认知瓶颈，化学反应体系如同封闭的“黑箱”，微观结构演化、反应机理错综复杂，传统实验如同盲人摸象，只能观测局部现象、片面总结规律，难以洞悉体系全貌。
三是系统协同瓶颈，尤其是青年科研人员普遍面临知识、能力、资源三重孤岛，跨领域学习门槛高、实操空间有限，优质科研资源难以普惠，持续抬高原始创新的门槛与成本。
【高效筛选火星陨石产氧催化剂】
“智能科学家”体系如何赋能物质科学研究？
第一步是知识数字化。2009年，大卫·贝克将蛋白质折叠难题转化为在线屏保游戏，六万余名爱好者以闯关形式协作，仅用十天便攻克了传统团队预估15年才能突破的难题，诞生了五万七千余人共同署名的论文，成为全球众智协同科研的经典范例。大卫·贝克也被称为“史上最成功的包工头”。
在中国科大，数百名学子历经三年完成了上千万条化学专业数据的标注、整理和分类，将零散分散的化学理论知识、碎片化的实验记录、差异化的实验数据整合，转化为标准化、可共享、可复用的数字化科研资源。依托这一数据底座，中国科大搭建了机器化学家“小来”，具备机器阅读文献、机器计算、机器实验三大核心能力——从人工试错到机器“能读、会想、勤做”，人工智能正改写化学科研的运行逻辑。
第二步是理实模型化，即理论计算与机器实验的深度交融。杨金龙现场用视频展示了中国科大已稳定运行5年的自主实验室。该实验室配备了200余个智能化学工作站、50余台科研机器人，全天24小时不间断开展各类实验。“大规模全天候运行必然会产生高昂的研发和运维成本。破解化学无限与资源有限的难题，答案在于综合理论数据的‘大’和实验数据的‘真’。”通过这种理实交融的创新模式，既能依托理论计算把握全局方向，又能依靠真实实验校准现实偏差，让人工智能告别盲目试错，实现科学预判和精准探索。
“这一方法在火星陨石产氧催化剂的筛选中得到了验证。待筛选的催化材料组合多达370余万种，我们依靠理论大数据完成近3万次模拟计算，缩小了筛选范围；随后依托机器人实验室仅开展80次精准实验，便精准锁定综合性能最优的催化材料方案。”杨金龙说。
第三步是创新平权化。“智能科学家”系统已在全国部署19个分布式创新设施、80个AI驱动的化学与材料实验平台，覆盖了80%的化学与材料实验，并在电催化、有机合成等多个应用方向与龙头企业协同创新。目前，云网互联的分布式设施已实现数据和模型共享，智能科研基础设施正驱动规模化创新涌现。比如，中国科学院上海有机化学研究所将高端润滑油研制效率提升12倍；中国科学院上海技术物理研究所研制出性能国际领先的红外探测器，随“天问二号”发射升空。
最后，杨金龙向全球青年发出邀请，欢迎大家参加AI造物创新大赛，依托智能化科研工具，释放想象力与创造力，成为新时代的物质创造者、科技开拓者。
方舟配资提示：文章来自网络，不代表本站观点。
