推动人工智能与科学研究深度融合（创新谈）

推动AI与科学研究的深度融合，可显著缩短科研周期、降低研发成本、提升创新效能

用AI（人工智能）“设计”出全新的锂载体分子，“注射”进废旧衰减的锂电池中，让其“满血复活”；借助大数据和AI，快速找到帕金森疾病的靶点、筛选出“适配”的小分子药物……近来，复旦大学科研团队接连在国际顶尖科研杂志发表系列成果。尤其值得关注的是，这些成果背后都有一个共同的隐形助手——AI。该校从2022年底起就开始全面推动AI与科学研究的深度融合（AIforScience，以下简称“AI4S”），目前AI4S科研团队已逾百个。

伴随新一代AI技术的蓬勃发展，特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、生物医药、材料能源、天文气象、自动驾驶等领域取得了一系列重大创新突破。2024年诺贝尔物理学奖和化学奖均授予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与科学研究的深度融合，可显著缩短科研周期、降低研发成本、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科学学院江俊团队借助自主研发的“机器化学家”，从55万种可能的金属配比中找出最优的高熵催化剂，仅需要5周时间。按照传统研究范式，这一过程可能需要1400年。中山大学与阿里云合作研究，利用云计算与AI技术发现了180个超群、16万余种全新RNA病毒，大幅提升了业界对RNA病毒多样性和病毒演化历史的认知。

与此同时，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”专项，紧密结合数学、物理、化学、天文等基础学科关键问题，布局前沿科技研发体系。北京、上海、四川、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物，在实践过程中还面临高质量数据获取、算法可解释性、治理和伦理等卡点堵点。业内专家指出，今后需对症下药，加强系统布局和统筹指导，大力支持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，为AI与科学深度融合提供了有力支撑。相关各方协同发力、加快推动AI与科学研究的深度融合，一定能为加快实现高水平科技自立自强作出更大贡献。