中國網訊（記者 楊佳 王瑞芳 攝影報道）隨著科技的發展，人工智能技術逐步應用于百行千業諸多領域。對科學研究領域的應用將會帶來哪些影響呢？帶著這樣的問題，近日記者走訪了北京科學智能研究院。
與火爆網絡的通用型人工智能ChatGPT不同，AI for Science（“人工智能驅動的科學研究”）是新的科學研究范式。
(資料圖)
在科研工作中長期面臨著一些困境。一是基礎研究在解決實際問題當中遇到的困難。二是試驗手段，收集、處理和分析數據的手段效率相對低下。三是科研團隊存在重復建設，工作效率亟待提高的問題。四是解決實際問題的過程中大多依靠經驗和試錯的方式。
人工智能正是解決這些問題的有效手段。人工智能驅動的科學研究可以全面提升利用基本原理的能力；顯著提高共性工具的效率與精度；實現規模化、去中心化的測試；加速科研與產業的連接；批量培養兼具工程思維和工程能力的科研領域開發人才，從而大幅提升科研生產力和創新效能。
“AI for Science是全面實現原始創新的一個難得的歷史機遇”。北京科學智能研究院副院長李鑫宇在介紹中提到，2018年鄂維南院士首次提出AI for Science概念，到如今人工智能在科研領域所產生的作用已達成行業共識。
DPA-1 首個覆蓋元素周期表近70種元素的深度勢能原子間勢函數預訓練模型。北京科學智能研究院 供圖
2020年，鄂維南院士團隊將人工智能方法、高性能計算與物理模型相結合，首次實現上億原子的高精度分子動力學模擬。億級是什么概念？過去這個模型原子數量級是萬，深度勢能分子動力學的出現一下提升了四個數量級，也因此一舉奪得當年全球高性能計算領域的最高獎項的“戈登·貝爾”獎。
分子動力學模擬是人們研究微觀世界的基本方法，可以揭示微觀世界的基本原理、精確模擬微觀粒子的狀態。如果將其比作一個超高分辨率的顯微鏡，它不僅僅能幫助我們看到一個物質全貌，還能一級級放大，看到一個分子、原子，以及這些微觀粒子的相互作用。
2021年，以鄂維南院士領銜，北京科學智能研究院正式成立 。當年年底，AI for Science就被評為阿里巴巴《達摩院2022十大科技趨勢》之首，并預測未來三年，人工智能將在應用科學中得到普遍應用，在部分基礎科學中開始成為科學家的生產工具。
北京科學智能研究院副院長李鑫宇(左)、北京科學智能研究院研究員戴付志（中）、北京大學工學院特聘研究員、北京科學智能研究院研究員陳幟與記者座談。
“AI for Science給了我們一個彎道超車的絕佳機會”， 北京大學工學院特聘研究員、北京科學智能研究院研究員陳幟告訴記者。他所研究領域是航空航天推進技術，曾在海外學習工作了十余年，與領域內的頭部企業有過深入的合作。
陳幟告訴記者，這類巨無霸公司都有一套完整自洽的系統，已經形成全周期的產業鏈。他例舉了阿波羅登月計劃中土星五號火箭發動機的例子。該型代號為F1的發動機研發是建立在3000多次完整測試基礎上的，這筆巨額花費相當于當年美國GDP的百分之二，而現在通過先進的燃燒模擬可以將成本減少一個量級。
在陳幟看來，縮小差距，甚至走到前面去的機會是借助人工智能、高性能計算等先進技術，發展更多類似DPA-1的科學領域AI大模型，構建全新的計算輔助研發模式（例如將工程設計師同時訓練成為Prompt Engineer提示詞工程師），才有可能重塑整個行業。
材料課題方向的帶頭人、北京科學智能研究院研究員戴付志對此也深有感觸。他舉例說，過去一代材料的研發周期大約需要20年的時間。現在人工智能技術可以為新材料的研發提供方向性指導，研發過程正走向“計算指導試驗、試驗反饋設計”的理性設計研發模式，這將極大的減少試錯的盲目性，縮短驗證周期。
“快”也是北京科學智能研究院副院長李鑫宇在介紹AI for Science時用的較多的一個詞。介紹情況時他提到，“我們希望的是用AI加速科學計算，且在數量級上進行突破。
在與記者交流中，他還不止一次提到，新方法帶來的巨大變革，可能就在眼前，在五年的時間尺度內。
李鑫宇認為，在“人工智能驅動的科學研究”中培養一批兼具工程思維、工程能力的科研領域的開發人才，才是最重要的。他解釋說，在將原理變成代碼，再把代碼組成軟件的過程中，我們仍缺乏大量懂得底層科學原理且具有工程思維的人才。
交流接近尾聲時，李鑫宇匆匆與記者告別，趕往下一場工作會議。
如今，深度勢能原子間勢函數預訓練模型DPA-1、科學智能廣場（AIS-Square)等科學計算領域重要的基礎設施已發布應用，北京科學智能研究院的一個個創新工具方法也正在加速落地，一個個應用項目也在加速推進中。
前幾日，科技部會同自然科學基金委近期啟動“人工智能驅動的科學研究”（AI for Science）專項部署工作，逐步構建以人工智能支撐基礎和前沿科學研究的新模式，加速我國科學研究范式變革和能力提升。
可以預見，“靈光一現”發現科學原理的方式，很快將成為過去。
關鍵詞：
