推动AI与科学研究的深(shen)度融合，可显著缩短科研周期、降低研发成本(ben)、提升创新效能
用AI（人工智能）“设计”出全新的锂载体分子，“注(zhu)射”进废旧衰减的锂电池(shi)中，让其(qi)“满血复活”；借助大数据和AI，快速找到帕金森(sen)疾病的靶点、筛选(xuan)出“适配”的小分子药物……近来，复旦大学科研团队接(jie)连在国际顶尖科研杂志发表系列成果。尤其(qi)值得关注(zhu)的是，这些成果背后都有一个共同的隐形助手——AI。该校从2022年底(di)起就开始全面推动AI与科学研究的深(shen)度融合（AI for Science，以下简称“AI4S”），目前(qian)AI4S科研团队已逾(yu)百个。
伴随新一代AI技术的蓬勃发展，特(te)别是大模型的出现和快速迭代，AI4S已成为科研创新的重要驱动力，在芯片设计、生物医(yi)药、材料(liao)能源、天(tian)文气象、自动驾驶等领域取得了一系列重大创新突(tu)破。2024年诺贝尔物理学奖和化学奖均(jun)授(shou)予AI相关研究的学者，充分彰显了AI在科学研究上的重要价值。
实践(jian)表明，AI已成为继实验、理论、计算之后的科学研究新范式。推动AI与科学研究的深(shen)度融合，可显著缩短科研周期、降低研发成本(ben)、提升创新效能。
我国科研人员已在多个领域开展“人工智能驱动的科学研究”。中国科学技术大学化学与材料(liao)科学学院江俊团队借助自主研发的“机器化学家”，从55万种(zhong)可能的金属配比(bi)中找出最优的高熵催化剂，仅(jin)需要5周时间。按照传统研究范式，这一过程可能需要1400年。中山(shan)大学与阿里(li)云合作研究，利用云计算与AI技术发现了180个超群、16万余种(zhong)全新RNA病毒，大幅(fu)提升了业界对RNA病毒多样性和病毒演(yan)化历(li)史的认知。
与此(ci)同时，相关部委和地方也积极推进人工智能驱动的科学研究。2023年2月，科学技术部会同国家自然科学基金委启动“人工智能驱动的科学研究”专(zhuan)项，紧密结合数学、物理、化学、天(tian)文等基础学科关键问题，布局前(qian)沿科技研发体系。北京(jing)、上海、四川(chuan)、广东、浙江等地也纷纷进行相关部署。
当然，AI4S毕竟是近几年兴起的新事(shi)物，在实践(jian)过程中还面临高质量数据获取、算法可说明性、治理和伦理等卡点堵点。业内专(zhuan)家指出，今后需对症(zheng)下药，加强系统布局和统筹引导，大力支撑相关主体建设科学智能创新中心、协调算力资源和科研数据集，积极持续(xu)探索AI在科学研究领域示范应用。
问题所在也是潜力所在。我国在AI技术、科研数据、算力资源和多样化应用场景等方面基础较好(hao)，为AI与科学深(shen)度融合提供了有力支撑。相关各方协同发力、加快推动AI与科学研究的深(shen)度融合，一定能为加快实现高水平(ping)科技自立自强作出更(geng)大贡献。（吴月辉）
《人民日报》（2025年03月17日19版）
责编：秦雅楠、侯兴川(chuan)