AI4Sci 引领科研新范式 多名院士描绘 AI4Sci 发展蓝图 ——2024 科学智能峰会成功召开

AI4Sci 引领科研新范式 多名院士描绘 AI4Sci 发展蓝图 ——2024 科学智能峰会成功召开

　　11 月 4 日至 6 日，2024 科学智能峰会（AI for Science Forum）成功举行，本次会议由北京大学计算机学院、北京科学智能研究院主办，DeepModeling 开源社区、深势科技等联合承办。峰会在北京大学百周年纪念讲堂举行，领域专家共话 AI for Science，同探科学研究的关键问题和解决路径。

　　本届峰会由综合论坛、生命科学论坛、物质科学论坛、AI4S 产业及行业实践论坛构成。会上，10 + 位院士，30 + 位领域专家分别在生命科学、物质科学领域包括计算物理、材料设计、组学分析、智能设备等多个方向介绍了 AI for Science 新范式下的科研变革，吸引了 1000 多位观众的到场参会。

　　首日的综合论坛上，中国科学院院士、北京大学党委常委 / 副校长、北京大学深圳研究生院院长、博雅讲席教授张锦进行了开场致辞。张锦院士指出：“AI 应该是引领当前新一轮科技革命与产业变革的战略性技术，具有溢出带动性很强的头雁效应，在科学研究领域，AI 为我们提供了崭新的工具，对于生成科学假设、进行科学实验、分析科学数据等都发挥着革命性的作用，AI 驱动科学研究大大提升了科学研究的速度、广度、深度和精度，呈现了蓬勃发展的势头。”中国科学院院士、复旦大学教授龚新高院士则强调了利用 AI 构建“数智物理”平台的重要性，“物理学已经从传统的实验物理、理论物理发展到计算物理，并且现在正迈向由人工智能赋能的数智物理时代。他期待数智物理研究方法能够解决更多物理问题，并强调这不仅需要构建人工智能基础设施这一基础性工作，还需要各界共同努力，共同发现并解决问题。”中国科学院院士、北京大学-清华大学生命科学联合中心主任、北京大学定量生物学中心主任、北京大学前沿交叉学科研究院荣誉院长、国家自然科学基金委交叉科学部主任汤超院士则呼吁从从生命数据测量新方法、生命数据资源体系建设、复杂系统理论的嵌入、人工智能底层框架创新四个方面做好 AI for Life Science 的基础支撑，提升科学研究的整体效率。

　　综合论坛上，还有来自中国科学技术大学的江俊教授分享了一些具体的机器化学家平台应用实例，展示了弥补理论和实践的鸿沟的可行路径。北京科学智能研究院院长、深势科技创始人兼首席科学家张林峰深度阐述了 AI for Science 基础设施的建设路径，张林峰认为，“AI for Science 真正打开的局面，是让我们最后把 AI 读文献、AI 做计算、AI 做实验能够融合起来，智能化、系统化地服务于每个科学家、服务于每个生产制造企业。”

　　峰会第二日的生命科学论坛上，中国科学院院士、国家自然基金委生命科学部主任、中国科学院植物研究所研究员种康院士强调了 AI 在结构生物学中的应用潜力，他提到今年的诺贝尔奖在物理和化学领域都颁给了 AI 及相关应用，预示着 AI 在生命科学领域的巨大潜力。并指出“我们现在有信息学、计算生物学、数学这些老师，能够加入到研究生命科学问题的队伍里，我想这对生命科学来讲是无比大的推动力量。”中国科学院院士、发展中国家科学院院士、国家蛋白质科学中心（北京）理事长贺福初在线上报告中介绍了“人体蛋白质组导航计划”。该计划通过结构空间测绘、状态空间测绘、数字人体建模和状态空间导航等几大重点任务，旨在实现蛋白质组学驱动的医学范式的转变，其核心目标是解密人体系统的构成原理。中国科学院院士、中国热带农业科学院院长、中国农业科学院深圳农业基因组研究所研究员黄三文提出了对 AI 在生命科学领域应用的深刻见解，并介绍了“植物星球计划”，他指出“希望通过这个计划对所有陆地植物主要分支的基因组进行分析，利用进化和功能基因组学和人工智能工具来识别“植物王国”的共同语言，衔接不同植物物种的“知识桥梁”，这将对基础植物生物学、粮食安全和可持续发展产生深远影响。中国科学院生化细胞研究所研究员陈洛南题为“动力学刻画的复杂疾病预警及 AI 赋能”的报告，并呼吁加强复杂系统与 AI 的结合，以进一步揭示生物学规律，并最终实现疾病预警，控制和健康管理的目标。

　　在物质科学论坛中，中国科学院院士、清华大学教授欧阳明高表示 AI 为新能源领域带来新机遇。结合大语言模型和 AI for Science 的专家模型，可以加速实现材料的全链条自动合成。在能源装置层面，人工智能可以帮助实现从智能设计、智能制造、到智能管理的电池全生命周期智能化。在系统层面，人工智能更是有望作为城市大脑支撑交通、建筑与工业化一体的智慧能源系统。人工智能正在改变材料科研范式，中国工程院院士、北京科技大学教授、北京材料基因工程高精尖创新中心主任谢建新讨论了人工智能赋能材料科学的三大关键技术，包括材料智能设计，重点在于大规模计算和机器学习的结合，以加速新材料的发现和优化；材料智能实验，通过自动实验和智能实验系统，提高实验效率和结果质量；材料智能制造，通过数字化建模和网络化协同，实现智能化决策和控制。中国工程院院士、中国科学院大连化学物理研究所所长刘中民分享了 AI 在化工领域应用的前景。谈到 AI 赋能化工的总体思路时表示，利用现有的大量数据，结合领域知识等，构建一个化工大模型，在此基础上创建具备技术开发功能的智能体，用于孪生数字工厂建设，通过与实际工厂对接验证，可实现化工过程从实验室一步到工厂。虽然构建这样的行业大模型非常困难，但这一变革将加快新技术开发和现有工艺运维优化，实现化工行业智能化转型。比利时皇家科学院外籍院士、欧洲科学院外籍院士、国际量子分子科学院院士、香港中文大学（深圳）理工学院副院长（科研）、校长学勤讲座教授帅志刚从理论角度探讨了“AI 时代的材料基因工程”。他提到“人工智能与材料科学的融合推动了数据驱动科学的发展。机器学习和深度学习在材料性质预测、材料逆设计和材料行为模拟中发挥了重要作用，使得材料设计更加高效和精准。”

　　此外，嘉庚实验室副主任、厦门大学化学化工学院副院长洪文晶在报告中展示了团队在高分子、电化学能源材料等领域的研究进展，通过高通量样品制备、自动化谱学表征和智能化决策，实现快速的实验迭代。北京大学化学与分子工程学院研究员朱戎展示了他们建立的自动化闭环平台，包括高通量筛选、常量合成、机理研究等，极大提高了实验效率，他表示“虽然实验室有机合成传统上被认为离 AI 还较远，但通过与张林峰团队的紧密合作，我们在这方面做了一些探索性的工作，通过 AI + 自动化加速有功能分子和新反应的发现。”

　　AI for Science 作为新的范式，其展现出的前沿性与颠覆性，正在催生新工具、新平台、新模式、新产业、新动能。科学智能峰会自 2022 年首届举办，如今已是第三届，旨在为科学家和行业参与者创造一个对话平台，促进学科的交叉融合，推动 AI for Science 生态共建，找到落地实践的最佳路径。