AI遇上化学：“不可能”变为“可能”(2)

针对求解多电子薛定谔方程这一量子化学领域的核心问题，AI提供的新范式有望突破计算消耗随体系扩大呈指数级增长的瓶颈。中国科学院院士杨金龙介绍，基于生成式AI的“乾坤网络”（QiankunNet）可实现多电子薛定谔方程的直接求解。“化整为零、分而治之”的策略，使较复杂材料体系的计算从“不可能”逐步走向“可能”和“精准”。

模型建构需“垂直发力”

“化学是唯一能够获得稳定新物质的科学。”白春礼说，AI将为发现更多前所未有的反应类型与合成方法带来无限可能。

然而，要担负起“从0到1”的创新任务，AI仍面临巨大挑战。

一方面是化学数据的质量与可用性问题。“化学研究数据类型复杂且高度多样化，涵盖分子表征、光谱图像、实验记录等多模态数据。”中国科学院自动化研究所所长徐波解释，现有模型往往难以高效表征、难以整合不同模态数据里的信息。化学研究还需AI具备更高阶的推理能力，以完成化学反应预测、分子逆向设计、多步合成路径规划等任务。

另一方面是AI化学知识储备问题。现有算法多为“黑箱式”模型，融入的化学知识不够。换句话说，要拿下“化学博士学位”，AI还需“垂直发力”。徐波说，当前许多AI系统主要依赖数据驱动的方法，与不同领域知识结合程度不足。为解决这个问题，AI领域学者与化学学者正在进行跨领域合作，为化学领域开发专用算法和模型，发展各类科学化学语言表征等基本能力，以构建更强大的模型。

中国科学院院士、南京大学党委书记谭铁牛认为，应在基座大模型的基础上，着力建构以知识和数据双驱动的多任务多目标垂直模型。

白春礼也认为，加快AI和自动化实验的深度融合，亟需构建高质量、开放共享的化学基础数据库，并考虑数据安全管理等因素。他建议，应建立自主可控、开放共享的基础大模型，开发针对化学复杂问题的专用AI算法等，进一步加强学科交叉并重视AI化学领域的人才培养，加快建设AI化学生态平台。

(责编：杨曦、陈键)