AI for Science 已不仅仅是一个概念，它已经成为推动科学研究和技术创新非常重要的力量，在材料、化工、能源等领域正经历着一场非常深刻的范式变革，无论是产业上还是科学研究上，在这个 AI 时代，物质科学即将翻开新篇章。11月5日下午，作为2024科学智能峰会的第三场论坛，物质科学论坛在北京大学百周年纪念讲堂成功举办。新能源革命正在掀起一股热潮。会议伊始，中国科学院院士、清华大学教授欧阳明高在报告中提出，AI 的发展为新能源领域带来了新的机遇。“我们正处于第四次工业革命的开端，这次工业革命我个人认为是新能源和人工智能两场革命。人工智能的大数据、大模型、大算力需要消耗大量能源，新能源的发展需要人工智能赋能，这包括能源材料、能源装置、能源系统三个层面。”欧阳院士指出，“人工智能为能源材料的研发带来了平台升级的机遇。特别是面对全固态电池这种复杂的挑战时，我们可以通过将人工智能与传统的表征、仿真和制备相结合，摆脱传统的试错方法，避免了周期长、效率低的问题。结合大语言模型和 AI for Science 的专家模型，可以加速实现材料的全链条自动合成。在能源装置层面，人工智能可以帮助实现从智能设计、智能制造、到智能管理的电池全生命周期智能化。在系统层面，人工智能更是有望作为城市大脑支撑交通、建筑与工业化一体的智慧能源系统”。人工智能正在改变材料科研范式，中国工程院院士、北京科技大学教授、北京材料基因工程高精尖创新中心主任谢建新从两大基础问题展开报告，“一个是材料成分—工艺、组织、性能内禀关系，这是材料领域的难点，涉及非线性、时变和遗传特性。另一个是材料的跨尺度建模、全过程设计与综合优化。材料的跨尺度作用和关联，多层次、多尺度的计算和全局优化问题仍未得到很好解决。”谢建新院士提到，人工智能赋能三大关键技术，包括材料智能设计，重点在于大规模计算和机器学习的结合，以加速新材料的发现和优化；材料智能实验，通过自动实验和智能实验系统，提高实验效率和结果质量；材料智能制造，通过数字化建模和网络化协同，实现智能化决策和控制。最后，谢院士提出了未来三大挑战：大规模高质量数据的获取、模型可解释性和突破基础问题，并强调这些挑战需要通过数字化、人工智能和数据驱动的方法来解决，以推动材料科学领域的创新和发展。在机遇与挑战并存的当下，化工行业如何抓住人工智能的翅膀，实现从量变到质变的飞跃，是我们共同关注的焦点。会上，中国工程院院士、中国科学院大连化学物理研究所所长刘中民分享了 AI 在化工领域应用的前景。典型的化工技术开发是实现从实验室到工厂，他指出：“化工的新技术发展之所以这么困难，是因为从实验室到工厂是一个时间空间跨度近十个数量级的复杂系过程。”刘中民院士对于 AI 赋能化工的总体思路表示，“利用现有的大量数据，结合领域知识等，构建一个化工大模型，在此基础上创建具备技术开发功能的智能体，用于孪生数字工厂建设，通过与实际工厂对接验证，可实现化工过程从实验室一步到工厂。虽然构建这样的行业大模型非常困难，但这一变革将加快新技术开发和现有工艺运维优化，实现化工行业智能化转型。”![]()
“人工智能时代进一步加快了材料基因工程的迭代速率，改变了工作范式。”比利时皇家科学院外籍院士、欧洲科学院外籍院士、国际量子分子科学院院士、香港中文大学（深圳）理工学院副院长（科研）、校长学勤讲座教授帅志刚从理论角度探讨了“AI 时代的材料基因工程”。帅志刚老师表示，“人工智能与材料科学的融合推动了数据驱动科学的发展。机器学习和深度学习在材料性质预测、材料逆设计和材料行为模拟中发挥了重要作用，使得材料设计更加高效和精准。同时他指出，“神经网络势（NNP）等新兴技术为复杂材料体系的模拟提供了新方法：NNP 通过高效模拟势能面，实现了分子尺度上能量和力的精准预测，为材料科学中的热电性能、机械性能等关键性质的研究提供了有力支持。”AI 将提升科学研究的规模效应，有望通过 AI 提升制备标准化、表征维度和解析深度，以此解析复杂物质科学的跨尺度复杂性。”国家杰青、嘉庚实验室副主任、厦门大学化学化工学院副院长洪文晶在报告中说道，“受到鄂维南老师的启发，我们从2021年开始规划和建设这一研究方向，重点建设了 AI for Science 的基础实验设施”。洪文晶展示了团队在高分子、电化学能源材料等领域的研究进展，通过高通量样品制备、自动化谱学表征和智能化决策，实现快速的实验迭代。他还分享了厦门大学和嘉庚实验室 AI for Science 基础实验设施的建设，介绍了一系列自动化和智能化的实验仪器设备的研制。这些仪器设备提高了实验效率和数据质量，为 AI 驱动的科学研究带来了显著的提升。北京大学化学与分子工程学院研究员朱戎“虽然实验室有机合成传统上被认为离 AI 还较远，但通过与张林峰团队的紧密合作，我们在这方面做了一些探索性的工作，通过 AI+ 自动化加速有功能分子和新反应的发现。”朱戎展示了他们建立的自动化闭环平台，包括高通量筛选、常量合成、机理研究等，极大提高了实验效率。他们通过这个平台成功优化了一系列累积多烯分子和反应，有望用于双光子聚合系统。“我的兴趣在于，我们是否能够通过这个系统发现改变游戏规则的新反应或新物质。AI 模型融合物理有机知识，指导高通量的干实验和湿实验，或可加速一些有用的“偶然发现”，使这些偶然变得更加必然。这是我的一个小愿望。”在本论坛的最后，中国科学院化学研究所研究员、博士生导师、高分子物理与化学实验室副主任江剑作为主持人，与嘉宾们讨论了 AI 在物质科学领域中的潜在风险和挑战，并强调了数据和数据库建设的重要性，“有什么样的数据就会建出什么样的模型，就会给出什么样的结果”。同时就物质科学与人工智能的交汇点进行了深入探讨。专家们共识认为，“尽管人工智能技术仍处于起步阶段，但它为学科交叉和创新提供了强大的工具，但同时也提出了数据标准化和安全性等潜在风险。在材料、新能源、化工领域中，利用人工智能技术来解决实际问题，整体而言，带来了巨大的机遇，但在数据标准化、安全性和可靠性方面仍需谨慎行事。我们希望去颠覆传统，我们希望去探索未知”。专家在讨论中对 AI for Science 的应用给予了期待。可以看到，AI 在材料、化工、能源等领域的应用正变得越来越广泛，同时也面临着不少挑战。未来，随着技术的进一步发展和人才的培养，AI 有望在物质科学领域发挥更大的作用。
AI for Science 作为新的范式，其展现出的前沿性与颠覆性，正在催生新工具、新平台、新模式、新产业、新动能。科学智能峰会自2022年首届举办，如今已是第三届，旨在为科学家和行业参与者创造一个对话平台，促进学科的交叉融合，推动 AI for Science 生态共建，找到落地实践的最佳路径。
深势科技是全球AI for Science领导者，AI for Science 即运用 AI 学习一系列的科学原理和科学知识，并进一步解决科学研究和工业研发领域的关键问题。依托在交叉学科领域的深耕，构建了“深势·宇知”AI for Science大模型体系，并进一步解决科学研究和工业研发领域的关键问题，将众多学科的科研方法从“实验试错 / 计算机”时代带入了“预训练模型时代”，形成了AI for Science的“创新-落地”链路和开放生态，构建了基于AI for Science的微尺度工业基础设施，赋能“千行百业”，为人类经济发展最基础的生物医药、能源、材料和信息科学与工程研究打造新一代工业设计与仿真系统。深势科技是国家高新技术企业、国家专精特新“小巨人”企业，在北京、上海、深圳等城市布局研发中心。科研技术团队由中国科学院院士领衔，汇集了超百位数学、物理、化学、生物、材料、计算机等多个领域的优秀青年科学家和工程师，其中博士及博士后在公司成员中占比超过35%。核心成员获得过2020年全球高性能计算领域的最高奖项“戈登贝尔奖”，相关工作入选2020年中国十大科技进展和全球 AI 领域十大技术突破。
