人工智能,这样影响科学研究
当人工智能与科学研究“碰撞”,能产生多大的能量?前不久,2024年诺贝尔物理学奖和化学奖授予人工智能相关研究的学者,引起了极大的关注。近年来,我国科学家也在多个领域探索“人工智能驱动的科学研究”,利用人工智能技术缩短研发周期、降低研发成本,人工智能技术与科学研究加速融合。
电解液,被称为电池的“血液”,其设计是寻找到下一代电池的关键之一。然而,电解液材料分子组合浩如烟海,逐一筛选效率非常低。借助人工智能手段,科研人员有了快速开发电解液材料的新方法。
“人工智能驱动的科学研究”是以机器学习为代表的人工智能技术与科学研究深度融合的产物,当前已成为全球科学研究的前沿。今年的诺贝尔物理学奖和化学奖授予人工智能相关研究的学者,表明人工智能在科学研究上的作用越发显著。
图灵奖得主、中国科学院院士姚期智最近在腾讯新基石科学基金会和南方科技大学共同举办的一场青年科学家论坛上,以“人工智能的科学视角”为题进行了分享。他认为,人工智能科学未来发展将呈现两大趋势,一是从弱智能走向通用智能,二是为学科间的交叉赋能,如具身智能、AI仿生、AI+量子等新技术、新应用将大量涌现。
变 化
带动科研范式从经验主导向数据驱动转型
随着新能源产业快速发展,人们对电池性能的要求越来越高,而电解液对于电池理论性能的发挥起着关键作用。清华大学化学工程系教授张强与副研究员陈翔合作,带领团队提出了“人工智能设计锂电池电解液”的新方法,实现了先进电解液的高效设计开发。
在数据方面,团队开发了电解液高通量计算方法与软件,构建了领先的数据库,涵盖25万种以上的电解液分子结构;在算法方面,团队开发了领域知识嵌入的电解液大模型及软件平台,可以实现亿量级分子空间维度的电解液分子性质快速预测与精准定向设计。陈翔说,基于这些工具,科研人员可以根据用户需求开发最合适的电解液。
人工智能与科学研究的深度融合,既提升了人工智能应用水平,也带动了科学研究范式从经验主导向数据驱动转型。
对人工智能技术带来的变革,中国农业科学院作物科学研究所研究员、国家南繁研究院副院长李慧慧同样感受深切。
“常规育种方法依赖经验,耗时长,且对表现型容易受环境影响性状的改良效率较低。通过人工智能算法,科研人员能够在育种家进行田间试验前,快速预测作物田间表现,大大缩短育种周期。”李慧慧说。
全球约1750个植物种质库保存着超700万份种质资源,受限于分析工具,许多珍贵的遗传资源尚未得到充分利用。“人工智能辅助的基因组选择能在几周内分析上百万基因型,极大提升了育种流程效率和精度,应用潜力巨大。”李慧慧说。
应 用
缩短周期、降低成本,人工智能赋能科研向深度、广度拓展
专家表示,物理、化学、材料等学科,是典型的理论和实验相结合的领域。布局人工智能驱动的科学研究,有助于增强基础研究的比较优势。
近年来,人工智能技术与科学研究加速融合,正不断向深度和广度拓展。张强介绍,2011年左右,国际上尝试将人工智能技术用于材料开发。近些年,数据驱动的材料学研究显著提速。
“目前,人工智能已经应用到电池研究的各个领域,涉及电池工作机理探究、新材料开发等诸多方面。”张强认为,人工智能在处理海量数据等方面优势显著,与电池理论、实验研究方法进一步结合,将有力推动下一代高比能电池、固态电池、快充电池、宽温域电池等的开发与迭代。