AI有望改变“试错法”研发模式

将在医药、电子化学品、高分子材料等领域大展身手

　　“当前我们正处于第五次工业革命的起点，人工智能正在深刻地改变我们化学与材料领域的研究和发展范式。”8月17日，在烟台举办的化学与材料科学领域人工智能(AI)研讨会上，万华化学中央研究院副院长黄岐善表示。

　　与会专家指出，在现有海量的数据基础上进行创新，依靠人工模式已经很难走通，未来AI将在医药、电子化学品、高分子材料等领域大放异彩，成为新质生产力创新发展的重要解决方案。

　　机器学习是AI的核心。它采用数值算法和统计模型，指导计算机系统在大量数据中找到规律，并利用这些知识作出预测或判断。“机器学习是科研工作者的必需品。”中国科学院院士张东辉在接受记者采访时表示，“通过海量数据，机器学习可以预测新材料的分子构型。它帮助我们进行降维，把高维空间非常复杂的问题简单化，让过去做不到的事情变得可以实现。”

　　国家自然科学基金委化学部化学理论与机制学科项目主任沈祥建指出，AI时代的到来改变了以往的“试错法”模式，极大缩短了分子材料的研发时间，同时降低了人力成本。

　　“以化学与材料大模型为入口，AI辅助文献阅读与实验设计，通过高通量的实验平台、机器人化学家配合各种计算化学的创新方法，以及干湿实验构建大模型数据集创立的AI模型，能帮助我们更好地进行大规模材料筛选和新分子发现。”黄岐善提出。

　　“AI在材料行业应用的关键瓶颈是目前行业早期公开数据的红利基本已被发掘殆尽。解决这个问题的路径在于数据与自动化、智能化的结合。”深圳晶泰科技有限公司首席研究科学家杨明俊表示，“在药物研发过程中，我们开发的上一代AI药物研发技术实现了对药物的结构预测、性质预测等，未来我们将围绕具有高质量私有数据和多模态大模型的AI药物研发技术进行迭代和研发。”

　　据烟台京师材料基因组工程研究院陈跃博士表示，该院已开发出3项核心技术。其中，计算化学辅助的材料数据重整技术(DRCS)能够破除材料数据匮乏的限制，理论化学强化的AI模型(AI-TEML)能够解决机器学习外推能力不足的缺点，基于小样本的材料进化系统能够实现新材料的自动化、智能化迭代。据悉，相关技术已成功应用于烟台显华科技集团股份有限公司的OLED光提取材料、电子传输材料、空穴传输材料的研究开发及产业化，现已孵化为“海森AI平台”，计划面向广大新材料企业进行应用推广。

　　然而，当前应用于化学与材料科学领域AI的发展尚存困难。中国科学技术大学教授江俊表示，目前这一产业仍处于初步发展阶段，拥有诸多机遇，但也存在研究盲区。他强调，未来学界对模型开发的侧重点应从“绝对准确”转向“需求对接”，站在应用端角度思考，抓住“预训练”与“主动学习”两项关键，通过人机协同增强AI模型在化工新材料领域的实用性。

本文刊登于《中国化工报·智能制造》周刊，热线010-82037404