“机器化学家”带来科研新范式（科技视点）

　　作为人工智能发展的一大趋势，国际学术界已对“人工智能驱动的科学研究”形成共识：人工智能将带来科研范式的变革和新的产业业态。

　　在中国科学技术大学校园里，化学与材料科学学院的一群科研人员正积极投身这项实践：深耕精准智能化学领域，推动科研范式变革，并取得了一系列令人瞩目的科研成果。

　　“机器化学家”展现出智能新范式的巨大优势

　　如何创制一款芬顿催化剂？在中科大“机器化学家”实验室里，大量瓶瓶罐罐的实验工作被人工智能“取代”，科研人员无需试来试去，整个过程简单而高效。

　　记者在实验室看到，科研人员在人工智能程序中输入问题：什么类型的非贵金属元素常用于芬顿催化剂？很快，程序就会给出答案。程序提供的答案来自自主研发的文献机器阅读系统，它能迅速读取海量文献，基于统计数据分析，帮助科研人员选择最佳的元素组合。接下来，就可以调出“机器化学家”平台中保存的芬顿催化剂实验模板，根据人工智能推荐的元素组合编辑液体进样站的参数，并让名为“小来”的“机器化学家”平台帮助进行实验验证。这样，“小来”便可以开始它的芬顿催化剂创制之旅。

　　“实验数据经处理后，输入‘小来’独有的计算大脑中，产生人工智能模型，可以帮助科研人员优化实验方案。”中科大化学与材料科学学院教授江俊告诉记者。

　　“小来”等人工智能工具和平台，是中科大化学与材料科学学院江俊团队的研发成果。其中，人工智能程序由化学数据驱动，并结合人类化学家的知识进行机器学习训练，能够针对使用者提出的问题给出初步的实验建议。“小来”则是团队自主开发的集阅读文献、自主设计实验、材料开发于一体的“全流程机器化学家”平台，它能够从数以亿计的可能组合中找到最优解，进而加快材料研发。

　　实验室里，由“小来”驱动的机械手臂伸缩自如，精确抓取配制试剂。

　　“全流程机器化学家”平台到底有多强大？以潜力巨大的高熵化合物催化剂为例：获得最优配方需要测试极其庞大的化学配比组合，如果依赖传统研究范式，这一过程可能需要1400年，而“机器化学家”发挥数据驱动和智能优化的优势，从55万种可能的金属配比中找出最优的高熵催化剂，仅需要5周时间。

　　专家认为，这种“机器化学家”的研究工作摆脱了传统研究范式的限制，展现出智能新范式的巨大优势。

　　利用人工智能将科学知识数字化、代码化

　　猜测、尝试、纠错，再猜测、再尝试……在过去150多年里，传统的化学研究范式深度依赖“试错法”，其局限性使得物质创制的周期长、成本高，难以实现高效、节能。

　　此后，由量子力学发展而来的量子化学，成为化学家使用的工具。化学家们可以在计算机上进行模拟实验来验证某个理论，大大提升了效率。然而，化学研究对象日益复杂化、高维化，面对庞大的化学空间，配方和工艺的搜索常常止步于局部最优，无法进行全局探索。

　　在计算化学领域有过10年研究经历的江俊感慨：“我们的化学体系非常复杂，超算虽然进化很快，但还是无法应对它的复杂度。”

　　怎么办？必须找到新的方法。

　　和江俊一样，中科大教授李震宇也一直在关注和思考这个问题。