作為人工智能發(fā)展的一大趨勢，國際學術(shù)界已對“人工智能驅(qū)動的科學研究”形成共識：人工智能將帶來科研范式的變革和新的產(chǎn)業(yè)業(yè)態(tài)。

　　在中國科學技術(shù)大學校園里，化學與材料科學學院的一群科研人員正積極投身這項實踐：深耕精準智能化學領(lǐng)域，推動科研范式變革，并取得了一系列令人矚目的科研成果。

　　“機器化學家”展現(xiàn)出智能新范式的巨大優(yōu)勢

　　如何創(chuàng)制一款芬頓催化劑？在中科大“機器化學家”實驗室里，大量瓶瓶罐罐的實驗工作被人工智能“取代”，科研人員無需試來試去，整個過程簡單而高效。

　　記者在實驗室看到，科研人員在人工智能程序中輸入問題：什么類型的非貴金屬元素常用于芬頓催化劑？很快，程序就會給出答案。程序提供的答案來自自主研發(fā)的文獻機器閱讀系統(tǒng)，它能迅速讀取海量文獻，基于統(tǒng)計數(shù)據(jù)分析，幫助科研人員選擇最佳的元素組合。接下來，就可以調(diào)出“機器化學家”平臺中保存的芬頓催化劑實驗模板，根據(jù)人工智能推薦的元素組合編輯液體進樣站的參數(shù)，并讓名為“小來”的“機器化學家”平臺幫助進行實驗驗證。這樣，“小來”便可以開始它的芬頓催化劑創(chuàng)制之旅。

　　“實驗數(shù)據(jù)經(jīng)處理后，輸入‘小來’獨有的計算大腦中，產(chǎn)生人工智能模型，可以幫助科研人員優(yōu)化實驗方案。”中科大化學與材料科學學院教授江俊告訴記者。

　　“小來”等人工智能工具和平臺，是中科大化學與材料科學學院江俊團隊的研發(fā)成果。其中，人工智能程序由化學數(shù)據(jù)驅(qū)動，并結(jié)合人類化學家的知識進行機器學習訓練，能夠針對使用者提出的問題給出初步的實驗建議。“小來”則是團隊自主開發(fā)的集閱讀文獻、自主設(shè)計實驗、材料開發(fā)于一體的“全流程機器化學家”平臺，它能夠從數(shù)以億計的可能組合中找到最優(yōu)解，進而加快材料研發(fā)。

　　實驗室里，由“小來”驅(qū)動的機械手臂伸縮自如，精確抓取配制試劑。

　　“全流程機器化學家”平臺到底有多強大？以潛力巨大的高熵化合物催化劑為例：獲得最優(yōu)配方需要測試極其龐大的化學配比組合，如果依賴傳統(tǒng)研究范式，這一過程可能需要1400年，而“機器化學家”發(fā)揮數(shù)據(jù)驅(qū)動和智能優(yōu)化的優(yōu)勢，從55萬種可能的金屬配比中找出最優(yōu)的高熵催化劑，僅需要5周時間。

　　專家認為，這種“機器化學家”的研究工作擺脫了傳統(tǒng)研究范式的限制，展現(xiàn)出智能新范式的巨大優(yōu)勢。

　　利用人工智能將科學知識數(shù)字化、代碼化

　　猜測、嘗試、糾錯，再猜測、再嘗試……在過去150多年里，傳統(tǒng)的化學研究范式深度依賴“試錯法”，其局限性使得物質(zhì)創(chuàng)制的周期長、成本高，難以實現(xiàn)高效、節(jié)能。

　　此后，由量子力學發(fā)展而來的量子化學，成為化學家使用的工具。化學家們可以在計算機上進行模擬實驗來驗證某個理論，大大提升了效率。然而，化學研究對象日益復雜化、高維化，面對龐大的化學空間，配方和工藝的搜索常常止步于局部最優(yōu)，無法進行全局探索。

　　在計算化學領(lǐng)域有過10年研究經(jīng)歷的江俊感慨：“我們的化學體系非常復雜，超算雖然進化很快，但還是無法應對它的復雜度?！?/p>

　　怎么辦？必須找到新的方法。

　　和江俊一樣，中科大教授李震宇也一直在關(guān)注和思考這個問題。

　　“精準化是所有化學家的一個夢想。我希望把這個東西放進去，想讓它轉(zhuǎn)化成什么就能百分百轉(zhuǎn)化成什么，過程中還不會產(chǎn)生任何另外的東西。”李震宇說，“這就要求整個化學研究能做到精準的設(shè)計、表征、制備和調(diào)控，要求整個過程是透明可控的，里面的機理也是清楚的。要實現(xiàn)這個目標，整個研究范式必須改變?！?/p>

　　逐漸興起并快速迭代進化的大數(shù)據(jù)與人工智能技術(shù)，讓江俊和李震宇看到了解決這些難題的希望。

　　江俊認為，大數(shù)據(jù)與人工智能技術(shù)可以把科學知識數(shù)字化、代碼化，并進行遷移?！耙簿褪钦f，我們隨時調(diào)用優(yōu)秀研究者發(fā)明的代碼。他們的智慧結(jié)晶，只要我用一個‘子函數(shù)’就能調(diào)用過來。如果只靠人腦來學習、實踐和訓練的話，整個過程就會很漫長，知識的遷移就會變得低效。”

　　于是，江俊心中萌生了一個想法：是否可以借助人工智能技術(shù)開發(fā)一種新工具？在他的構(gòu)想當中，這個工具能夠幫助科學家突破思維局限，利用數(shù)據(jù)建立有效的復雜模型，從而指導化學實踐。

　　2014年，江俊團隊提出“機器化學家”概念并開展相關(guān)科研工作。經(jīng)過8年攻關(guān)，團隊通過開發(fā)和集成移動機器人、化學工作站、智能操作系統(tǒng)、科學數(shù)據(jù)庫等技術(shù)，在2022年成功研制出數(shù)據(jù)智能驅(qū)動的“全流程機器化學家”。

　　“機器化學家”助力催生化學研究新范式

　　如今，“全流程機器化學家”在科學研究中發(fā)揮著積極作用。中科大鄒綱團隊篩選光學活性薄膜材料時，為找到目標材料，需要混合多種分子來控制薄膜厚度、應力、灰度等工藝條件，其可能性有上百萬種。團隊努力了10年，終于將不對稱因子提高到了1.2，但離理論極限2.0還有非常大的差距。借助“小來”，他們在兩個月內(nèi)找到了不對稱因子1.95的工藝條件，高度逼近理論極限。

　　江俊成功走出了第一步，讓化學科學家們深受鼓舞，更加堅定了以人工智能技術(shù)推動化學科研范式變革的決心。

　　今年1月，中國科學院精準智能化學重點實驗室正式獲批建設(shè)，李震宇擔任實驗室主任?！皩嶒炇抑饕嫦蚴澜缈萍记把兀劢谷绾胃淖兓瘜W研究范式這一關(guān)鍵科學問題，探索建立化學研究的精準化、智能化雙驅(qū)動模式。”李震宇介紹。

　　李震宇認為，當前人工智能技術(shù)應用于化學研究最大的困難和挑戰(zhàn)來自數(shù)據(jù)?！耙延械拇罅繑?shù)據(jù)來源復雜，質(zhì)量參差不齊。這些數(shù)據(jù)混在一起，讓人工智能去學習，很可能會學到一些錯誤的知識。所以，我們希望發(fā)展一些新的技術(shù)，能夠進行一些更高精準度的表征，同時還能夠形成一套數(shù)據(jù)標準，在這個基礎(chǔ)上去做數(shù)據(jù)驅(qū)動的智能化學。”

　　“機器化學家”的出現(xiàn)，讓化學家們解放了雙手。也有人擔心：未來化學家們可能會無事可做。江俊表示不用為此多慮：“一個好的技術(shù)工具出來，也會賦予更多的可能性，讓科研人員做更多的事情，發(fā)現(xiàn)更多的前沿理論?！?/p>

　　“機器化學家”的出現(xiàn)，推動化學研究范式的改變，也對未來的化學發(fā)展提出了新的要求。江俊說，比如，在人才培養(yǎng)方面，既需要具備扎實的化學基礎(chǔ)，還要有開放的心態(tài)，要善于、敢于學習各種新知識。

　　未來，江俊希望建成一個“機器化學家”大科學裝置：在一整棟大樓里，布置上百個機器人、上千個智能化學工作站。基于這樣一個大平臺，各個課題組的實驗數(shù)據(jù)可以交匯、共享，產(chǎn)生海量數(shù)據(jù)，自動提煉出數(shù)字化的知識圖譜和人工智能的模型，進而指導機器人自動優(yōu)化生產(chǎn)更好、更高效率的化學品或新材料，實現(xiàn)數(shù)據(jù)智能驅(qū)動的化學研究新范式。

　　對于精準智能化學重點實驗室的首個重點應用研究，李震宇和同事們目前有了一個明確的目標：基于精準化、智能化雙驅(qū)動的化學研究新范式，對現(xiàn)有氮資源轉(zhuǎn)化相關(guān)反應進行全面評估，提出綠色低能耗轉(zhuǎn)化新路徑，創(chuàng)制新型催化體系，在氮資源綜合利用領(lǐng)域?qū)崿F(xiàn)突破。

　　李震宇說：“氮資源高效轉(zhuǎn)化是一個極具挑戰(zhàn)性的難題，希望新的研究范式能夠給我們帶來幫助。”