近年來，新一代人工智能技術蓬勃發展，推動科研范式變革。一批科技工作者面向世界科技前沿，探索建立化學研究的精準化、智能化雙驅動模式，并率先在機器化學家、離子膜、固態電解質等領域取得創新和突破。
(資料圖)
形成全新研究范式
“我們希望有一個機器人可以代替人做實驗。”中科院精準智能化學重點實驗室主任李震宇告訴記者。如今，這個想法已經變成現實。在中國科學技術大學機器化學家實驗室，重達200公斤的機器人“小來”取代了身穿白大褂的人類實驗員，伸出機械臂就可精確抓取樣品瓶配制試劑，完成各種實驗工作。
集閱讀文獻、自主設計實驗、材料開發于一體的“全流程機器化學家”平臺，其研發始于2014年。當時，中國科學技術大學化學物理系教授江俊找來人工智能、電子科技、數學、化學等不同專業人才組成具有交叉學科背景的團隊，嘗試建立會思考的“化學大腦”。經過多年努力打造的機器化學家“小來”，讓研究速度實現了質的飛躍。
“實驗數據經處理后輸入‘小來’的計算大腦，由人工智能模型幫助科研人員優化實驗方案，可以大幅提升我們的效率。”江俊說。以研發高熵合金催化劑為例——閱讀1.6萬篇論文并自主遴選出5種非貴金屬元素，再從55萬種可能的金屬配比中找出最優配方，“機器化學家”可將科研周期縮短至5周。
李震宇表示，傳統化學研究范式深度依賴“試錯法”，過程繁瑣、耗時冗長，化學反應經常產生大量副產物，不環保、不經濟、不安全。改變研究范式是社會環境、經濟發展和化學學科本身發展的迫切需求。而通過人工智能加速實現精準化研究，過程透明、機理清晰、全程可控，更高效環保。
不只是催化劑，還有新材料。前不久，《自然》雜志發表了一項重要成果，中國科學技術大學徐銅文、楊正金團隊與合作者設計了一類新型離子膜——微孔框架聚合物離子膜，首次實現膜內近似無摩擦的離子傳導，有望應用于能源轉化、大規模儲能以及分布式發電等領域。使用該膜組裝的液流電池，充放電電流密度可達到每平方厘米500毫安，是當前普遍報道值的5倍以上。“傳統研究范式中，選擇制作合用的膜，就像大海撈針。有了人工智能工具的幫助，我們就能根據應用場景所需要的分類精度，判斷這個膜需要具備什么性能，在通道中再進行精準調控、修飾。”徐銅文說。
李震宇這樣形容化學研究范式的變革：“拿交通方式打比方，化學研究的初級階段就像步行；之后技術手段升級，相當于坐上了自行車、摩托車、汽車；引入人工智能，好比坐上火箭，量變引起質變，可以帶我們去月球等以前靠步行、坐車去不了的地方。”
科學家會被取代嗎
有了機器人，還需要人類科學家嗎？“這種擔憂完全沒有必要。好的工具會帶來更多可能性，我們能做更多事。”江俊說。
中國科學技術大學應用化學系教授姚宏斌的最新突破，就是一個電腦幫助人類做出更好科研成果的故事。今年4月初，姚宏斌課題組、李震宇課題組的研究成果發表在《自然》上，他們通過材料結構和界面精準設計，開發出鑭系金屬鹵化物基固態電解質新家族。
幾年前，在尋找鹵化物電解質過程中，姚宏斌課題組考慮將石榴石氧化物——鋰鑭鋯氧中的“氧”換成“氯”。按傳統研究方法得在實驗室里一點點試錯，不僅慢還得碰運氣。為此，他想求助于計算機。2021年，姚宏斌錄取了一名既有材料科學專業背景、又有計算機編程基礎的研究生羅錦達，并找到計算化學方向的李震宇教授共同指導。在兩位教授的共同指導下，羅錦達寫出了可滿足研究需要的程序。之后，姚宏斌團隊和李震宇團隊聯合，根據計算機模擬結果設計出一個常溫條件下可以穩定存在的鑭系金屬氯化物，又在實驗室成功合成出具有優質性能的鑭系金屬氯化物固態電解質。
樣品出來后，如何解釋原理？團隊成員結合自己的實驗數據以及歷史上相關研究的海量實驗數據，讓計算機程序在超算中心去“跑”。經過長時間計算模擬和分析，最終探明鑭系金屬鹵化物框架結構的鋰離子傳導原理。
姚宏斌說：“模擬計算在這項研究中的分量，約占三分之一。沒有這三分之一，研究將無法令人滿意，因為我們可能無法在短時間內尋找到最優的電解質材料，也不能把實驗現象背后的原理解釋清楚。”
未來需要什么樣的科研人才？“應該具備扎實的基礎和開放的心態。”江俊表示，現在知識量已經無比龐大，沒有人能看到全局，我們應該找到自己喜歡的專業，把知識的脈絡看清楚；同時還要有開放的心態，敢于學習新東西。
“先進技術為人類探究更深層次的科學問題提供了更多可能性，但科學探究的邊界仍被人類對自然界的認知和理解所限制。”姚宏斌則認為，科研工作者需要不斷拓展認知，才能更好地解釋大自然的奧秘。
培養更好的科研人工智能
國外也有會做實驗的機器人。2020年，利物浦大學研制的世界首個機器人化學家登上《自然》雜志封面，它可以在1周內研究1000種催化劑配方，相當于1個博士生4年的工作量。但這款機器人化學家沒有物理模型，沒有預見性，不能提出任何科學假設。
與之相比，中國科學技術大學的“小來”是一個有“腦子”的機器人化學家。它“能學”，可閱讀海量文獻，學習化學知識；“能想”，可調用底層的物理模型，結合大數據與人工智能技術進行思考和模擬計算；“能做”，可自主完成實驗，采集精準實驗數據來校準模擬計算結果，理實交融給出解決方案，形成科學研究閉環。
但“小來”的進化依然存在不少難點。算力算法不足，是現階段的痛點。江俊團隊自主研發了一款化學領域的聊天機器人程序ChemGPT。但因為GPU算力不足，ChemGPT“跑不快”，訓練迭代很慢。
數據也有待豐富和優化。“人工智能需要學習大量數據，但其實我們很缺數據。”江俊說。現階段大部分科研數據都從文獻中收集，而文獻中的數據常常是被“美化”過的理想數據。由于現存研究數據來源多且雜，數據質量參差不齊，人工智能從這些數據中學習，就可能學到錯誤的東西。
“精準化學依賴實驗數據的準確性。”李震宇表示，應該從精準數據出發獲得高質量的化學智能，有了化學智能再回過頭來對化學反應、材料性質等實施精準調控，形成完整的研究閉環。
科學家們對更好的科研人工智能充滿期待。“我們希望將精準智能化學重點實驗室建設成一個精準智能化學領域的國際頂尖研究機構，形成一個新的精準智能化學研究范式，建立我國主導的精準化學數據體系和智能化學的軟硬件標準。”李震宇說。 （經濟日報記者 佘惠敏）
責任編輯：Rex_14
營業執照公示信息