人工智能,这样影响科学研究(2)
利用人工智能技术研究锂电池,我国总体上处于国际第一梯队,一些成果受到科学界广泛关注。比如,电子科技大学团队开发了高比能锂金属电池状态估计与寿命预测的机器学习方法,指导设计了延长电池使用寿命的方法;中国科学院物理研究所团队与张强/陈翔团队合作,结合机器学习模型与高通量筛选,开发了宽温域电解液新分子。
不仅是材料研发,在生命科学、药物研发、半导体、环境科学等多个领域,科学家都在探索利用人工智能技术,缩短研发周期、降低研发成本。
近年来,中国农业科学院加速推进农业科技与人工智能技术融合创新,在生物育种、智能农机装备等领域组建交叉学科团队。如今,李慧慧带领团队致力于开发基于深度学习算法的基因组选择模型、全流程智慧育种平台等算法工具,进而提升水稻、玉米、小麦等主粮作物的育种效率。“我们在智慧育种上初步取得了一些成果。比如,利用机器学习和深度学习算法深度融合基因组、转录组和表型数据,识别出控制作物抗逆和高产的关键基因。”李慧慧说。
推动人工智能与科学研究融合,技术支撑平台很重要。上海交通大学人工智能研究院常务副院长杨小康说,为帮助更多老师使用人工智能辅助科研,学校和百度智能云联合打造了人工智能驱动的科学研究平台,实现了生成式人工智能与科研场景的结合。基于百度智能云提供的算力、大模型开发工具链等能力,科研人员在化学合成、流体计算、城市科学、法律等优势学科开展研究,取得了一系列突破成果。
以抗艾滋病病毒(HIV)小分子设计为例,上海交通大学人工智能研究院总工程师金耀辉介绍,过去筛选先导化合物需要2到3年,基于人工智能驱动的科学研究平台,科研人员2分钟内就生成超过25万个全新分子,并在30分钟内进一步筛选出172个潜在有效的分子,大幅提升分子设计的迭代效率。
展 望
推动人工智能驱动的科学研究,释放应用潜力
2023年2月,科技部会同国家自然科学基金委启动了“人工智能驱动的科学研究”专项部署工作,紧密结合数学、物理、化学、天文等基础学科关键问题,围绕新药创制、基因研究、生物育种、新材料研发等重点领域科研需求,布局前沿科技研发体系,推动人才聚集与国际交流合作。
如何推动人工智能与科学研究更好融合?
在陈翔看来,数据和模型是两大关键因素,“我国锂电池产业蓬勃发展,与电池前沿研究相互促进,为人工智能研究奠定了深厚的数据基础,这是重要的优势。”
李慧慧表示,将人工智能应用到作物育种上,我国在一些领域展现出强劲的竞争力,但相比国际先进水平,在高质量数据的积累、开放共享上仍存在一定差距。“必须更好地整合跨学科、跨团队的数据资源,优化算法性能,并扩大人工智能技术的应用范围。”她建议。
“人工智能技术更好助力科研,离不开算力支撑,需要构建高效稳定的人工智能异构算力底座。”杨小康说,学校接下来将升级平台能力,努力开创人工智能与科研场景相结合的创新示范。
受访专家建议,需要加强相关学科与人工智能交叉领域的复合型人才培养。“可以通过鼓励不同学科背景深度合作,引导开展交叉研究,发现研究的真问题、痛点和难题,释放人工智能应用的潜力。”张强说。
陈翔提醒,一些国家在人工智能大模型开发、专用芯片开发等方面占据主导,推动我国“人工智能驱动的科学研究”持续健康发展,还需要努力补上这些方面的短板。