原標題：人工智慧推動科研創新 政策支持破解發展難題
研發科學計算模型，支持相關主體建設科學智慧創新中心，加速人工智慧技術賦能新材料、生物醫藥、生物育種等領域科學研究……當前，多方正積極部署，探索和推動人工智慧在科學研究領域示範套用。
在業內人士看來，當前人工智慧驅動的科學研究（AI for Science）加速了科學研究的範式變革，需要進一步加強系統布局和統籌指導，以促進人工智慧與科學研究深度融合、推動資源開放匯聚、提升相關創新能力。
科研套用不斷拓展
在北京材料基因工程高精尖創新中心，一台台計算伺服器與先進的材料研發裝置有序運轉，這裏正致力於打造面向前沿的共性技術平台，並在先進金屬結構材料、高效能源催化材料、可降解醫用金屬材料等幾類關鍵材料上開展示範套用。
「數據是新材料研發的基礎。」北京材料基因工程高精尖創新中心、國家材料腐蝕與防護科學數據中心張達威教授告訴記者。以往新材料研究主要以實驗驅動，又被稱為「試錯式」研究方法，透過改變材料成分、合成手段、工藝參數等條件制備系列樣品，選出其中效能最合適的材料。如今，「材料基因工程」透過計算技術、大數據技術和高通量自動化實驗等關鍵技術，可實作新材料的快速篩選和材料數據的快速積累，大幅提升新材料的研發效率，促進工程化套用。
以耐蝕材料研發為例，張達威介紹，材料腐蝕過程機理十分復雜，考慮溫度、濕度、應力等環境因素，成分、加工、結構等材料因素，科學家要在成千上萬種組合中篩選最合適的材料配方和工藝。「有了數據的支撐，利用人工智慧技術，透過不同的腐蝕預測模型，對材料效能進行仿真測試，可以快速得到材料在不同環境下的服役效果，如在高溫高濕強放射線甚至微生物滋生的環境下，哪些材料具有更好的耐蝕性和更長的壽命。」
數智融合加速新材料研發，離不開計算平台的支撐。目前，北京材料基因工程高精尖創新中心聯手浪潮資訊打造的材料基因工程先進計算平台，成為該中心創新變革的關鍵基礎設施。
不僅在新材料研發，人工智慧驅動的科學研究正加速套用於物理、化學、生物、醫學等研究領域，成為科學研究的一種新範式。「AI在推動科研創新、提升研究效率、解決復雜科學問題方面的巨大潛力。」騰訊研究院資深專家袁媛對記者表示，例如AI與基因計算融合已經開始進入加速階段，有望在生物育種、醫療健康、生物醫藥等領域開辟廣闊的技術創新和產業套用前景。
「AI驅動科學研究，將突破傳統科學研究能力瓶頸。」張達威說，以數據和計算為支撐，科研人員可以從繁瑣的實驗試錯中解脫出來，讓實驗觀察變成無人實驗，仿真模擬變成現象生成，數據驅動變成數據增強，讓「算」出更多科技創新成果成為可能。
政策積極推進
值得一提的是，從部委到地方也在積極推進人工智慧驅動的科學研究。
日前，國家數據局等部門印發【「數據要素×」三年行動計劃（2024-2026年）】，其中提出實施「數據要素×科技創新」重點行動，包括「以科學數據支撐技術創新，聚焦生物育種、新材料創制、藥物研發等領域，以數智融合加速技術創新和產業升級」等。
2023年上半年，科技部會同國家自然科學基金委啟動「人工智慧驅動的科學研究」專項部署工作，緊密結合數學、物理、化學、天文等基礎學科關鍵問題，圍繞藥物研發、基因研究、生物育種、新材料研發等重點領域科研需求展開，布局前沿科技研發體系。
與此同時，北京、上海、四川、廣東、浙江等多地也紛紛展開部署。例如【上海市推動人工智慧大模型創新發展若幹措施（2023-2025年）】提出，推進科學智慧大模型套用。支持相關主體建設科學智慧創新中心、演算法創新基地等平台，協調算力資源和科研數據集，推動科學智慧大模型在生命科學、工程計算、氣象等領域套用，打造科學研究新範式。【北京市促進通用人工智慧創新發展的若幹措施】也明確，發展科學智慧，加速人工智慧技術賦能新材料和創新藥物領域科學研究。
加強系統布局和統籌指導
不過業內專家也表示，人工智慧在中國在科學研究中雖然取得了顯著的進展，但仍然面臨著多方面的難點，需要加強系統布局和統籌指導，支持相關主體建設科學智慧創新中心、協調算力資源和科研數據集，持續探索人工智慧在科學研究領域示範套用。
袁媛表示，高品質數據獲取、演算法的可解釋性、治理和倫理等是當下主要難點。其中，深度學習等AI模型的決策過程往往不透明，人們常比喻為「黑盒」。在科學研究中，理解模型的工作機制至關重要，直接關系著模型預測的準確性以及科學發現的有效性。
賽智產業研究院院長趙剛對記者表示，許多科學問題具有高度的非線性、多維度和不確定性，需要更多學科領域的密切合作，需要更精細、更即時、更多投入來獲取數據，需要開發更強大、更靈活的演算法來應對復雜科學問題。
為進一步支持和促進人工智慧在藥物研發、基因研究、生物育種、新材料研發等科研領域的套用，袁媛建議，加強數據的標準化，推動建立高品質科學數據集，推動科學數據有序開放共享，同時確保數據的私密和安全；支持建立產學研用多方合作機制，將AI前沿科技成果與不同學科需求緊密結合，高效解決實際科研難題；加強對AI專業人才的培養，支持培養與匯聚跨學科人才，促進不同領域人才的交流與合作。
「下一步，需要全面加強面向科技創新的人工智慧生態建設。」趙剛認為，一是圍繞國家科技創新的重大領域，加快智慧芯片在科研領域套用，建設面向科學研究和科技創新的智慧算力中心，提升中國科研大模型訓練和推理總體水平。二是加強高品質科學數據集、技術創新數據集建設，建立科學數據目錄，推動科學數據有序開放共享，鼓勵開源科學數據集建設，促進各類科學數據互聯互通。三是加強科研大模型的研發和套用，面向生命科學、腦科學、材料科學等領域研發場景，開展多學科數據關聯分析和融合套用，推進跨學科、跨領域的交叉研究和協同創新，促進顛覆式技術創新。（□記者 郭倩）
