科研提升训练营
生成式人工智能的迅猛发展已经成为科技领域的一股重要推动力量。AI技术正在深刻变革我们的生产方式、生活方式以及人才培养模式，成为新一轮科技革命和教育变革的重要驱动力之一。为了进一步提升研究生群体对这一新兴领域的理解与实践能力，本学期，复旦大学研究生会联合各培养单位研究生会再次策划推出“AI+科研提升训练营”。
2024年12月6日下午，由复旦大学党委研究生工作部、复旦大学研究生会主办，各研究生培养单位合作开展的“AI+科研提升训练营”第二季第三期在邯郸校区第三教学楼105教室顺利举行。本期训练营课程主题为“人工智能驱动生物医药研发转型”，由浙江大学药学院、上海创智学院博士生王天玥主讲，以“人工智能驱动生物医药研发转型”为主题，为同学们介绍了人工智能的发展背景、药物研发的流程及难点、人工智能与药物研发的结合、人工智能在药物研发中的机遇与挑战和深度学习模型发展趋势。
王天玥博士首先向大家介绍人工智能的发展背景。1956年美国达特茅斯学院研讨会首次提出人工智能概念，随后其发展历经多次繁荣与低谷的交替。直到2006年深度学习概念被提出，人工智能迎来了复苏与爆发式增长的黄金时期，如今已傲然屹立于第四次工业革命的潮头，成为推动社会进步的核心力量之一。
药物作为守护人类健康的关键化学物质，其进入人体后历经吸收、代谢、分布和排泄等复杂环节，各环节紧密相连，任何细微变化都可能影响药物的疗效与安全性。药物研发本身是一项艰巨复杂的系统工程，传统“专家+实验”的新药发现的研发范式周期长、投入高、风险大，源头创新不足，缺乏先导化合物快速发现的关键技术，创新药物研发亟待变革性新模式。计算机辅助药物设计（CADD）技术于1988年应运而生，为药物研发带来了新的希望。这一技术通过构建精准的物理、化学和数学模型，运用先进的计算机语言和算法，大大加速了先导化合物的发现与优化进程。虚拟筛选作为CADD技术的重要组成部分，通过模拟分子间的相互作用，预测结合模式和强度，为药物研发人员在大量的分子库中筛选潜在药物分子提供了高效、精准的手段。
人工智能蓬勃发展为药物研发带来了前所未有的机遇，新一代AI技术显著提高了药物研发的效率，降低了研发成本，缩短了研发周期，有力推动了药物研发范式从传统向新型模式的转变。当前，AI制药已成为国家战略高度，在未来药物研发方向的引领中发挥着重要作用。然而，王博士指出，机遇与挑战并存。在算法端，存在精度不足与模型对任务理解不够深入的问题；应用端方面，用户接受度低，软件功能单一且效果不佳，使AI算法应用范围受限。药物设计中，生物活性等多因素相互交织，任一薄弱环节都可能致研发失败，且面临复杂分子数据表征难等诸多挑战。
最后，王博士指出，深度学习模型在药物研发领域展现出显著趋势。大模型时代虽提升了模型表示能力，但需平衡算法、数据和模型。迁移学习模式可降成本、提泛化能力，自监督预训练能增强表征能力，领域模型渐趋统一，生成模型也为药物研发带来创新。多模态大模型有望构建智能系统，推动药物研发智能化、高效化发展。
在问答环节，同学们积极踊跃提问。例如，针对国产GPU卡的应用场景问题，王博士指出华为GPU卡在特定蛋白质结构预测等对通用性要求不高的场景中表现出色，其显存和速度优势明显，随着国产芯片技术的不断发展，其应用前景将更加广阔。对于如何提高AI算法在药物设计中的接受度这一关键问题，王博士认为，一方面要加大对AI算法优势的宣传力度，另一方面，研发团队应与药企应紧密合作，逐步改变用户的固有观念，让AI算法在药物设计领域发挥其最大价值。
本次AI+科研提升训练营第二季第三期取得了圆满成功，吸引了来自医学院、信息学院、大数据学院、高分子科学系、光电研究院、管理学院等多学科背景的同学积极参与，激发了同学们的创新思维与探索热情，有助于培养更多具备跨学科知识与视野的创新人才，推动人工智能与药物研发的交叉研究向纵深发展，为未来的科研创新与学术进步注入新的活力与动力。
文案：研创中心 胡睿
排版：研创中心 胡骏贤
编辑：融媒体部 沈芸星
审核：王子雄
