中國科學技術大學一名博士研究生在實驗室調(diào)試機器化學家系統(tǒng)“小來”。新華社記者  張端 攝

8天完成688次化學實驗，7天研究1000種催化配方……人類夜以繼日多年才能完成的工作，人工智能（AI）在短時間內(nèi)就能完成。

“AI從一個研究領域變成了一類賦能技術?！痹?2月9日至10日召開的香山科學會議第768次學術討論會上，中國科學院院士白春禮說，在化學領域，得益于AI的應用，化學反應預測與新化學物質(zhì)的發(fā)現(xiàn)、化學試驗的自動化與智能化等方面均取得了顯著突破。

AI將如何改變化學研究？如何進一步推進AI與化學的深度融合？這些問題引發(fā)與會專家學者熱議。

2個月內(nèi)完成2000年的工作

AI讓枯燥、危險、重復的化學實驗來了個“大變身”：機器人自動操作化學合成平臺，甚至具備觀察、分析實驗結果的能力。

中國科學技術大學研發(fā)的機器化學家系統(tǒng)“小來”，可以完成文獻讀取、合成、表征、性能測試、機器學習模型建立和優(yōu)化等全流程任務。中國科學技術大學教授羅毅介紹，通過運用“小來”系統(tǒng)，團隊加速了新材料的發(fā)現(xiàn)過程，2個月內(nèi)就完成了需要驗證2000年才能完成的復雜優(yōu)化工作，利用火星隕石制備出實用的產(chǎn)氧電催化劑。

面向“遠方”，AI能幫助人類探索出一條在地球外星系就地取材研制化學品的新路；聚焦“眼前”，有研究單位僅用一年時間，便利用高精準的預訓練模型，從6000萬個有機小分子的結構中篩選出符合冷卻液不同性質(zhì)和要求的目標分子，并成功完成這些分子的合成及實際產(chǎn)品的測試工作。

“科學研究的基本工具來自理論、實驗和科學文獻三方面。受工具的限制，過去的化學研究采取依賴經(jīng)驗和不斷試錯的方法，組織形式也往往是作坊模式?！敝袊茖W院院士鄂維南說，AI將助力打造有效的理論、實驗和文獻工具平臺，使科學研究邁向平臺化模式。

中國科學院院士張錦也認為，利用AI、大數(shù)據(jù)、虛擬現(xiàn)實等工具，人類能夠擴展思維，提升理解力，不斷突破認知邊界。通過構建覆蓋研發(fā)全流程的一系列智能體來彌補短板，可以讓科學家有工程思維、工程師有產(chǎn)品思維，打破實驗室研究與產(chǎn)業(yè)化要求難以匹配的困境。

高效表達復雜微觀世界

微觀層面，AI在化學研究中的優(yōu)勢進一步顯現(xiàn)。電子自旋、電荷密度、分子勢能等與化學性質(zhì)息息相關的參數(shù)，都變得可預測、可求解。

阿爾法折疊3這種模型為什么能準確預測蛋白質(zhì)、DNA、RNA、配體等生命分子的結構及相互作用？白春禮介紹，它通過分析大量的輸入和輸出數(shù)據(jù)尋找規(guī)律，掌握分子間相互作用的力、角度等參數(shù)，再模擬出現(xiàn)實情況，預測可能的情況。

從讀懂現(xiàn)象到摸清規(guī)律、再到高效表達復雜的微觀世界，AI在化學領域讓“不可能”的探索成為“可能”。

“在化學動力學理論研究方面，AI展現(xiàn)了巨大潛力?！敝袊茖W院院士張東輝說，化學理論中的分子體系勢能面構造存在“指數(shù)墻”困難，即計算量會隨分子體系中原子個數(shù)增長而呈指數(shù)級增長。AI神經(jīng)網(wǎng)絡能高效表達復雜的高維函數(shù)，解決了這個難題。借助AI，團隊解決了包含十幾個原子的分子體系高精度勢能面構造問題。

張東輝介紹，近年來，神經(jīng)網(wǎng)絡在求解電子運動薛定諤方程的基態(tài)波函數(shù)方面也取得了重要進展。在不存在費米共振的情況下，團隊僅使用15000個參數(shù)，就能精確求解丙烷分子（包含11個原子）的振動能量。而這在此前被認為是難以求解的。

針對求解多電子薛定諤方程這一量子化學領域的核心問題，AI提供的新范式有望突破計算消耗隨體系擴大呈指數(shù)級增長的瓶頸。中國科學院院士楊金龍介紹，基于生成式AI的“乾坤網(wǎng)絡”（QiankunNet）可實現(xiàn)多電子薛定諤方程的直接求解?！盎麨榱?、分而治之”的策略，使較復雜材料體系的計算從“不可能”逐步走向“可能”和“精準”。

模型建構需“垂直發(fā)力”

“化學是唯一能夠獲得穩(wěn)定新物質(zhì)的科學。”白春禮說，AI將為發(fā)現(xiàn)更多前所未有的反應類型與合成方法帶來無限可能。

然而，要擔負起“從0到1”的創(chuàng)新任務，AI仍面臨巨大挑戰(zhàn)。

一方面是化學數(shù)據(jù)的質(zhì)量與可用性問題?！盎瘜W研究數(shù)據(jù)類型復雜且高度多樣化，涵蓋分子表征、光譜圖像、實驗記錄等多模態(tài)數(shù)據(jù)?！敝袊茖W院自動化研究所所長徐波解釋，現(xiàn)有模型往往難以高效表征、難以整合不同模態(tài)數(shù)據(jù)里的信息?；瘜W研究還需AI具備更高階的推理能力，以完成化學反應預測、分子逆向設計、多步合成路徑規(guī)劃等任務。

另一方面是AI化學知識儲備問題。現(xiàn)有算法多為“黑箱式”模型，融入的化學知識不夠。換句話說，要拿下“化學博士學位”，AI還需“垂直發(fā)力”。徐波說，當前許多AI系統(tǒng)主要依賴數(shù)據(jù)驅(qū)動的方法，與不同領域知識結合程度不足。為解決這個問題，AI領域?qū)W者與化學學者正在進行跨領域合作，為化學領域開發(fā)專用算法和模型，發(fā)展各類科學化學語言表征等基本能力，以構建更強大的模型。

中國科學院院士、南京大學黨委書記譚鐵牛認為，應在基座大模型的基礎上，著力建構以知識和數(shù)據(jù)雙驅(qū)動的多任務多目標垂直模型。

白春禮也認為，加快AI和自動化實驗的深度融合，亟需構建高質(zhì)量、開放共享的化學基礎數(shù)據(jù)庫，并考慮數(shù)據(jù)安全管理等因素。他建議，應建立自主可控、開放共享的基礎大模型，開發(fā)針對化學復雜問題的專用AI算法等，進一步加強學科交叉并重視AI化學領域的人才培養(yǎng)，加快建設AI化學生態(tài)平臺。