隨著人工智能應用的日益廣泛，人工智能賦能科學研究(AI for Science)近年來在全球迎來蓬勃發展，展現出重塑科技創新的巨大潛力。日前在北京舉行的中關村論壇年會上，人工智能在科學研究中的前沿應用成為各界關注的熱點話題。專家和業內人士認為，作為人工智能發展的新前沿，“AI for Science”正快速從實驗室探索邁向科研主流，有望引領一場深刻的科研范式變革。

　　人工智能與科研深度融合

　　催生更多創新突破

　　近年來，人工智能已在多個關鍵學科領域實現突破：AlphaFold2算法準確預測蛋白質結構，自動化材料研發平臺“機器化學家”快速篩選出高性能催化劑，人工智能參與天文圖像處理發現新的星體結構……這些“AI+科研”的實際案例，不斷拓展著人類的知識邊界。

　　中國科學技術信息研究所發布的《AI for Science創新圖譜》(以下簡稱《報告》)顯示，全球科學家正不斷將機器學習等人工智能技術應用于科學研究各領域。人工智能通過變革科研范式、提升科研效率，推動物理、化學、生物等基礎學科前沿突破，在合成生物制造、材料設計等領域催生出一批新技術模式驅動的新興產業。與此同時，人工智能與數學、物理、生命科學等基礎學科的交叉融合，為人工智能提供理論基礎與方法論支持，不斷推動人工智能理論突破并拓展能力邊界。

　　在全球AI for Science學術研究方面，2019年—2023年間，全球AI for Science論文發表年均增長率為27.2%，各學科領域論文發表均呈現逐年遞增趨勢，其中，生命科學、物理學和化學等領域發表的人工智能應用論文數量最多。中美兩國是當前AI for Science研究大國。近5年間，中國論文發表超過10萬篇，居全球首位。

　　北京大學工學院特聘研究員、北京科學智能研究院研究員陳幟團隊展示了AI for Science從科研邁向商業航天應用的典型案例——“臨界熾核”應用。該應用的核心引擎DeepFlame是首個集成了AI框架用于反應流高精度數值模擬的高性能、大規模開源軟件平臺。

　　“以朱雀二號火箭為例，我們對‘火箭心臟’即發動機進行了全流程數值模擬，實現從燃料噴注器、燃燒室到外噴羽流場的億級網格仿真，計算精度達工業應用標準，相較傳統方案實現了超千倍的加速性能。”陳幟介紹。

　　中國科學技術信息研究所黨委書記趙志耘表示，隨著模型算法、數據、算力、基礎軟件等創新要素進一步開放共享，開源開放的普惠化AI for Science生態將走向成熟，人工智能賦能科學研究的門檻將持續降低，場景的廣度、深度不斷拓展，人工智能與科學深度融合將催生更多創新與突破。

　　資源加速整合

　　推動走向“大科研時代”

　　盡管AI for Science展現出巨大潛力，但仍面臨現實挑戰。科研數據的高獲取成本、格式非標準化、數據敏感性強等問題普遍存在，成為制約AI有效應用的難題。

　　中國科學院院士鄂維南認為，科研模式的轉型升級能有效幫助科研人員打破學科之間、理論與實驗之間、科研與產業之間的界限，使科學家有更大的探索空間和更高的探索效率。實現這個目標，需要圍繞數據庫、文獻工具、理論方法和模型以及實驗工具，形成新的科研協同模式，推動走向“大科研時代”。

　　算法模型、知識庫、算力平臺和實驗表征系統是支撐未來科研范式的核心基座。北京科學智能研究院副院長李鑫宇發布了新一代科研知識庫與文獻開放平臺“科學導航”，該平臺目前已覆蓋全球1.6億篇文獻，通過自然語言問答式的文獻檢索能力，幫助科研工作者前瞻性開展文獻數據和實驗數據一體化管理，讓科研檢索與管理效率提升了近百倍。

　　“未來，我們可以讓人工智能‘讀、算、做’，并將這些原本獨立的步驟形成自主運轉的閉環。”北京科學智能研究院院長、深勢科技創始人張林峰發布了Uni-Lab-OS智能實驗室操作系統。他說，該操作系統可以解決傳統實驗室手工操作低效、設備孤立及數據分散的痛點。這位“AI科學家”有望助力傳統實驗室向自動化、智能化躍遷，為生物、化學、環境、材料等領域增添動力，為科研人員節省更多的時間和精力。

　　鄂維南表示，隨著AI for Science的發展，在不遠的將來，我們會看到科研資源的加速整合。“在廣大范圍內構建一個‘圖書館’、一個‘教學樓’、一個‘超算中心’、一個‘實驗室’，讓AI讀文獻、做計算、做實驗、做評測，形成融合閉環。”他說。

　　培養交叉學科融合人才

　　青年科學家扮演重要角色

　　《報告》分析了100多個AI for Science代表性案例的場景分布，發現AI for Science在生命科學領域的場景最為豐富。物理領域重點場景則包括量子力學仿真計算、物理場模擬、光學計算及核物理等。在化學領域，分子動力學計算、分子生成、催化劑設計等場景目前關注度較高。

　　中國科學院高能物理研究所研發的Dr.Sai(賽博士)多智能體協同系統，實現了物理分析全流程自動化，取得了一系列關鍵技術的核心突破。中國科學院高能物理研究所研究員、計算中心主任齊法制介紹，通過分層多智能體系統，該系統已成功復現了重要科學發現——四夸克粒子Zc(3900)的發現過程。目前，賽博士已經成為高能物理領域“感知—推理—執行”一體化的專家級科研助手，為粒子物理領域模型發展奠定基礎。

　　在“AI for Science”浪潮加速奔向科研前沿的當下，青年科學家正站在時代的交匯點，扮演著技術革新與范式轉變的雙重推動者角色。

　　科技部副部長龍騰指出，人工智能時代破解復雜科學難題，需要科研人員既深鉆人工智能核心技術，又貫通數學、物理、生物等基礎科學邏輯。青年科學家要主動打破學科邊界，在融合創新中提升科研能力和水平，敢于突破傳統范式，圍繞國家重大需求，瞄準熱點科學問題，深入研究，推動形成人工智能與科學研究雙向賦能的科研新生態。

　　近年來，中國許多高校大力推進“AI+X”學科交叉融合教育，形成多層次、跨領域的創新人才培養體系。例如浙江大學聯合復旦大學、中國科學技術大學、上海交通大學等高校共建全國首個跨校“AI+X”微專業；清華大學首批已有117門試點課程、147個教學班開展人工智能賦能教學實踐……與此同時，一批85后、90后科研人員正在成為AI for Science的先鋒力量。

　　上海人工智能實驗室主任、首席科學家周伯文認為，面向科學研究的人工智能發展首先要實現“通專融合”，科學研究需要人工智能在研究者、研究工具、研究對象一切關系的總和上發揮作用，當這兩個關鍵步驟實現后，人工智能將完成質的飛躍——從“工具的革命”轉變為能夠重構科研范式、催生新領域的“革命的工具”，最終引領科學研究進入新時代。

　　“實現AI for Science的發展目標，需要一支交叉學科融合和有戰斗力的科研人才梯隊，而優秀年輕人正是我們最需要的。”鄂維南說。(人民日報海外版 記者 劉峣)