“化学研究的低级阶段好比交通办法中的‘步辇儿’，随着技能手段升级，研究程度加深、效率变高，即是用上了自行车、摩托车、汽车。
当引入人工智能，好比坐上火箭。
终极一定‘量变引起质变’，带我们去以前去不了的地方。
”在中国科学技能大学，精准智能化学重点实验室主任李震宇用这样一个比喻形容化学研究的变革。

“去以前去不了的地方”是李震宇和所在实验室团队勤学不辍的科研追求。
今年1月，中国科学院精准智能化学重点实验室正式获批培植，由近一百位年轻人组成，除化学与材料科学专业的师生外，还包括打算机、人工智能、大数据等方向的研究职员，聚焦如何改变化学研究范式这一关键科学问题，形成集群和协同攻关上风。

化学研究何以牵动人类科研梦想？

纵不雅观历史，化学研究由炼丹、炼金演化而来，人类衣食住行离不开化学物质。
同时，作为根本科学的化学，也是多学科交叉的聚拢点和出发点，化学研究在能源、环境、材料、生物医药等运用领域扮演日益主要的角色。

历经数百年科研攀登，如今，精准智能化学成为化学家的梦想，更是实现化学学科超过式发展的契机。
而以人工智能为代表的新技能会不会重新定义化学的未来，改变化学研究的面貌？这个问题也一贯萦绕在科研事情者心中。

化学版GPT来了，激起科研范式变革浪花

在精准智能化学重点实验室中的机器化学家实验室，青年科研职员只需在掌握大屏输入指令，两个动作灵巧的机器人“小来”和“小福”就可以在几个操作台间穿梭，伸出机器手臂进行试剂配制。

中国科大化学与材料科学学院教授江俊团队开拓了环球首个集阅读文献、设计实验、自主优化于一体，覆盖化学品开拓全流程的机器化学家平台，从数百万的可能组合中找到全局最优解加快材料研发。
业内专家认为，该成果引领化学研究朝着知识理解数字化、操作指令化、创制智能化的趋势提高，将对化学科学产生巨大影响。

江俊团队有近30位成员，大多是90后、95后，大家怀抱“做中国人自己的材料数据库”的科研梦想。
在关键节点——建立数据库知识图谱时，团队曾吃了一番苦头：数据质量良莠不齐，无法进行高效检索，不得不投入大量人力物力为数据打上识别标签。

江俊（右）和副研究员朱青在做实验。
张大岗/摄

无奈和碰钉子倒逼江俊提升研究效率，2014年，建立会思考的“化学大脑”的动机在江俊心中萌发。
他找来人工智能、电子科技、数学、化学等专业方向人才，组成交叉学科背景的团队，将大数据和人工智能技能注入平台的打算大脑，建立理实交融的智能模型。
历经8年探索，打造初代机器化学家“小来”。

值得一提的是，在高熵催化剂等实验中，“小来”可以从55万种可能的金属配比中找出全局最优解，将传统“试错法”实验所需的1400年科研周期缩短为5周。

论文阅读、机器人做实验、数据剖析、优化筛选……当前，江俊团队科研全流程都有人工智能的贡献印记，今年年初，在多任务处理性能上实现升级的第二代机器化学家小福“出身”。

如今，团队又自主研发了一款阅读了50万篇文献的化学领域谈天机器人程序Chem-GPT，它能够针对利用者提出的问题，给出从文献中学习到的可靠答案，从而驱动机器化学家做实验，助力化学品和新材料研发。

江俊剖析，人工智能给化学研究带来如下改变：基于大措辞模型，从文献、专利、教科书等数据源中挖掘化学数据，建立化学知识图谱，用于支持化学研究决策和创新；建立物质的构造、组分、制备工艺等成分与性子间的关系模型，用于辅导新型的分子、材料、催化剂、药物等的设计与优化；结合人工智能技能帮助化学家自动设计实验方案、优化实验过程，并进行自动丈量表征。

他谈道，对人工智能机器人平台而言，紧张寻衅是“如何授予机器人物质级别的感知能力和对化学过程的预判能力”。
这两个能力是让人工智能能够真正理解繁芜物质天下、捕捉化学系统的实质特色规律的关键。
在他的科研蓝图里，未来研发出模拟学习人类科学家创造力、具备“看”“闻”“听”“触”环境感知的“聪慧科学家”，进而实现数据与智能驱动的化学研究新范式。

李震宇总结道，传统的研究范式深度依赖于“试错法”，效率低。
公众年夜众对化学的认识勾留在不环保、不经济、不屈安等刻板印象，急迫须要提升化学研究的精准程度与效率，让"大众年夜众对化学面貌有新的认识。
而人工智能等前辈技能，无疑有助于探索建立化学研究的精准化、智能化双驱动模式。

人工智能浪潮下，科研还须要坐“冷板凳”吗

当前辈技能不断迭代运用，让人不禁思考，我们是否还须要“冷板凳”式的科研，反复试错的意义又在哪里？

近日，中国科学技能大学姚宏斌课题组、李震宇课题组与浙江工业大学陶新永课题组互助，基于双碳背景下电化学储能发展的新范式，设计开拓出镧系金属卤化物基固态电解质新家族LixMyLnzCl3，在无任何电极润色的情形下实现了室温可运行的全固态锂金属电池，成果于今年4月5日揭橥在《自然》（Nature）杂志上。

这一被业内专家夸奖为电化学储能领域固态电解质材料新打破的背后，一群年轻人就饱尝“冷板凳”之苦。
从湘潭大学材料科学与工程专业推免至中国科大读研的罗锦达是个中之一，进组三年，他从零根本“小白”发展为科研主力。

姚宏斌团队博士后殷逸臣展示实验成果。
代蕊/摄

2021年2月，还在读大四的罗锦达抱着学习的心态来到中国科大做毕业设计，刚好遇上上述课题的抽芽状态。
大四毕业后，没有毕业旅行和假期，他险些每天都在实验室中度过。
每位前辈都耐心解答这位准研一新生提出的每个问题，正是在这种尊重科研的氛围下，“跨界”运用化学方向的罗锦达，往研究中央地带快速发展靠拢。

由于对打算机编程感兴趣，罗锦达每天一有空就前往图书馆读论文、书本。
研究中，他和小伙伴每天晚上在实验室待到很晚，每人分别剖析和复盘研究进展。
此前，组内一位学长考试测验用第一性事理打算来研究材料扩散性子，但由于没有考虑到材料尺寸效应以及界面的应力浸染，结果和预期相反。

“由于实验原材料、环境景象等客不雅观成分和操作不当、履历不敷等主不雅观缘故原由，研究过程中碰着挫折是家常便饭，尤其是理论打算，有时花费大量韶光精力，末了创造结果不尽人意。
但不能由于一条路走不通，就否定大的科研方向，要不断总结缘故原由。
”罗锦达说。

那位学长毕业离组后，罗锦达接过关键的理论打算仿照任务，并调度思路，从零开始学习分子动力学知识。
他考试测验利用密度泛函理论、分子动力学仿照和键价位能等方法，来研究实验工具独特的构造和离子传导机制，从原子尺度更好地理解锂离子的扩散行为，对后续实验合成有很大的辅导浸染。

处理打算仿照数据时，罗锦达又化身“程序员”，自学编程措辞python，他以为，每天都专表明决一个新问题，这种生活愉快且充足。

终极，团队根据打算机仿照结果，设计出常温条件下可以稳定存在的镧系金属氯化物，合成出相应的固态电解质。
他们把研究数据录入合肥前辈打算中央进行仿照剖析，终极实现锂离子在空间里的快速传导。

“前辈的技能可以帮助科研职员快速剖析和处理知识、提取有用信息、找出规律和趋势。
”在姚宏斌看来，有了前辈的打算方法，未来操持引入人工智能机器学习，可以优化出更好的电解质体系，探索新的高性能固态电解质材料，实现更稳定的界面并适配到实际的电池中。

姚宏斌（左一）辅导学生们做实验。
代蕊/摄

但他同时指出，科研的实质创新和创造，以及对问题深入思考和探索，这些过程每每须要反复试错和不断考试测验。
纵然在数据处理方面已经有了成熟的技能工具，年轻人在做科研的数据积累阶段仍旧须要坐“冷板凳”，这是帮助年轻人更好理解问题的必经之路。

李震宇持有相同意见。
他不雅观察到，人工智能善于高通量的精准实验、大规模数据处理等能力，但并不具备人类的创造性和判断力等思维能力，无法创造出超越现有新颖化学思想的方法。
因此，“冷板凳”有助于培养对化学有深刻理解和洞察力的人才。

据江俊课题组核心成员肖恒宇博士剖析，年轻人在科研数据积累时，可以利用人工智能技能来加速数据天生、网络、整理，但在研究尚未深入的领域，缺少履历的学生须要反复试错。

人和AI如何“打合营”，科研效果才能最优

采访过程中，很多师生提到了化学研究中“数据”的主要性——数据和技能相伴相生，人与技能的“互助关系”也离不开数据的支撑。

江俊团队的机器化学家自出身之初就与海量文献数据打交道。
“数据时期给我们带来新机遇，同时也带来不少难题。
实质上说，智能来自对数据的学习，数据少，有用的知识就少，一些小数据对付化学研究来说宝贵稀疏，因此，做实验‘很贵’。
”江俊说。

“现阶段大部分数据都是从文献中网络来的，而文献中的数据常常是被‘美化’过的空想数据。
此外，标注数据须要大量人力物力，随着数据需求上升，这部分本钱会越来越高。
”江俊课题组博士生乔钦禹说。

还有部分师生谈及，由于现存研究数据来源多且杂，当高质量和低质量数据混在一起，人工智能很随意马虎学到“缺点的数据”，开头就错了，后面自然会影响效率乃至准确性。

算力算法的缺失落也是现阶段痛点之一。

由于GPU算力不敷，使得江俊团队的ChemGPT“跑烦懑”，演习迭代起来很慢。
“人工智能大规模运用势不可挡，现有人工智能算力不敷是亟待办理的问题。
”江俊课题组的博士生冯毅也把稳到类似问题。

“精准化学非常依赖实验数据的准确性。
”李震宇见告，改变现有痛点的可行路径是通过精准打算和精准制备，得到大量精准数据，从数据出发来得到高的化学智能。
有了智能技能往后，再回过分来对化学反应、分子性子、材料性子进行做精准调控，形成完全的研究闭环。

乔钦禹也曾对二者的“分工”做过设想：低端、可重复的循环实验操作，交给人工智能、自动化等技能来完成，以完成数据积累；而剖析、创新、纠错等操作交给人来做，例如总结规律，发明创造等。

李震宇提出，最佳互助模式应由人类提出科学问题和假设，人工智能设计实验、采集数据、构建模型并验证人的假说。
同时，人类可以根据人工智能化学实验机器人供应的数据和反馈，调度和改进自己的化学思路和方法，共同完成更高水平的化学研究。

姚宏斌也期待，“希望全体范式更加精准化、智能化，通过人工智能自主学习和优化，可以针对繁芜环境体系得到全局最优解，终极有望跳出原有的试错法框架。
”

技能加持下，人类科学研究的边界在哪里

近年来，随着人工智能算法、大数据技能等“火爆”名词的涌现，有关“人类能否拓展科学研究边界”的话题再度回归。

“物理学领域，人类能够探究到宇宙的起源和蜕变，但仍旧无法阐明暗物质和暗能量的实质；生命科学领域，我们已经能够破解基因密码，但无法完备理解生命的起源和蜕变；社会科学领域，我们能够通过大数据剖析来研究人类行为和社会征象，但无法完备预测人类行为的繁芜性和多样性……”姚宏斌说，前辈技能为人类探究更深层次的科学问题供应更多可能性和机会。
然而，科学探究的边界并不由技能的发展所决定，它同时被人类对自然界的认知和理解所限定着。

在他看来，当科学技能不断发展，人类可以更深入地探究自然界的奥秘，但是科研事情者也须要不断拓展自身认知和理解，才能更好地理解和解释自然界的繁芜和多样。

冯毅见告，当发达的技能解放了科学家的双手，让他们有更多的韶光去思考，引发更多创新性成果，大家对付科学的认知也就越深入，就会创造越来越多的科学问题和无法阐明的征象可以连续探索。

乔钦禹也认为人类的科学探究没有边界。
他说，“前辈技能的涌现，便是让我们不断地拓展边界。
相应的，有关部门该当给予坐‘冷板凳’的年轻人更多物质上和精神上的支持。
对知识的渴求，永久是人类提高的动力之一。
”

江俊的不雅观点是怀抱更开放的肚量胸襟和心态去提升自我。
他说，“现阶段的科研知识树已经无比弘大，没有人能看到全局，我们该当找到自己喜好的叶面。
在任何一个专业，在自身专业领域把知识脉络看清楚，精准、踏实节制知识精髓。
”

几年来，他学习了很多新知识，乃至试着向本科生学习弄清一些新问题，开组会时，他乃至插不上嘴，只供应方向上的辅导。

肖恒宇以为，如果科学探究的边界一词是指科学的前沿，那么科学研究本身便是在不断拓展科学的边界、加强人类对自然的认知的过程；如果科学探究的边界一词是指人类科学不能超越的限定，该限定或许就代表人类目前所能不雅观测到的自然征象的凑集，当人类所创造的理论、预测的自然征象超越了这个凑集之后，就无法证明或证伪理论，使得理论失落去现实意义。

“当谈论话题回到***，实在人工智能是范例的问题驱动学科，干系研究尚处于低级阶段。
化学研究的体系是独特且繁芜的，看似大略的化学反应，影响成分涉及分子构造、材料性子等。
”李震宇呼吁，该当研发专门做事于精准化学研究的人工智能新算法，发展前辈的理论打算与实验表征方法，细化到温度、压强、分子式等各种参数，必将大幅提升化学研究效率。

他进一步阐明道：“科学研究本身便是在不断拓展边界、加强人类对自然的认知过程。
精密的仪器、高性能的打算方法、人工智能等前辈技能能够帮助人们更快、更好地进行科研探索，在可预见的将来加速扩大科学研究的边界。
”

来源：中国青年报客户端