“人工智能的快速发展深刻影响并重塑了科研范式，尤其是在化学领域展现出广阔的前景和巨大的潜力。”在近日举行的香山科学会议第768次学术讨论会上，会议执行主席、中国科学院院士白春礼强调。

在人工智能发展为化学研究带来了前所未有的机遇和挑战的当下，与会专家围绕主题“人工智能化学：新范式下的机遇与挑战”，对人工智能在化学学科的交叉和应用中亟待解决的重大问题展开了讨论。

人工智能带来化学学科新发展

在前沿进展上，白春礼指出：“人工智能对于加速化学反应预测与新化学物质发现、实现化学实验自动化与智能化、促进化学与其他学科的交叉融合、显著提升数据和文献的分析效率方面都发挥出了显著的作用。”

对于人工智能与机器自动化的有机融合，会议执行主席、中国科学技术大学教授罗毅展示了首个具有科学智慧的机器化学家系统“小来”——该系统可以完成文献读取、合成、表征、性能测试、机器学习模型建立和优化等全流程任务。

罗毅介绍：“以‘小来’利用火星陨石自动优化创制高熵合金产氧催化剂为例，火星化陨石的成分可以组合成376万多种配方，靠科学家自己手动验证需要2000多年才能完成，而‘小来’仅用6周就找到了最佳的催化剂配方。”

中国科学院院士、中国科学技术大学副校长杨金龙则专注于求解多电子薛定谔方程这一量子化学领域的核心问题。据他介绍，其团队发展的基于生成式人工智能的“乾坤网络”（QiankunNet）可实现多电子薛定谔方程的直接求解，使得较复杂材料体系的计算从“不可能”逐步走向“可能”和“精准”。

人工智能方法在化学动力学理论研究方面也展现了巨大潜力。中国科学院院士、中国科学院大连化学物理研究所研究员张东辉指出，化学理论中的分子体系势能面构造存在“指数墙”困难，即计算量会随分子体系中原子个数增长而呈指数级增长，而神经网络能高效表达复杂的高维函数，可以有效解决这个难题。

张东辉介绍道：“目前在不存在费米共振的情况下，我们已经能够精确求解包含11个原子的丙烷分子的振动能量，但在高能量激发态的初始波函数构造上仍面临挑战，未来还需进一步突破。”

新范式也是新挑战

人工智能的快速发展正推动科学研究从经验驱动向数据驱动、自动化和智能化转型，这种新的科研范式核心在于利用人工智能技术提升科研效率、加速发现和创新，并解决传统方法难以应对的复杂问题。

中国科学院院士、北京大学国际机器学习研究中心主任鄂维南认为：“新的科研范式可以带来新的视角，如在以往进展缓慢的材料基因组问题上，人工智能方法可以以其‘全数据’优势克服材料基因组数据采集的困难，从而更好地对材料的配方、工艺、结构和性能之间的普遍关系进行探索。”

与此同时，材料学领域在传统范式下也一直面临着体系复杂度高、数据标准化程度低、研究链条长等问题。

对此，中国科学院院士、北京大学党委常委副校长张锦表示，高维度、多尺度数据处理正是人工智能技术所擅长的，因此可能会为材料数据库的标准化、材料基础研究的全局性和材料跨越实验室到产业化的鸿沟提供助力，革新材料研究的范式。

尽管人工智能在化学研究领域带来了技术突破和传统范式的潜在革新，但现阶段仍面临诸多挑战。

“数据质量和数量不足、算法与化学知识的融合不足、实验与实际应用之间的脱节、高昂的计算资源消耗和模型复杂性等，都是亟需解决的难题。”白春礼指出。

为此，他认为未来的人工智能与化学的深度融合将聚焦于深入解析化学反应的微观机制，如通过人工智能预测新的反应路径，发现新的反应类型与合成方法等，以及加速新药和新材料的研发，优化物质的筛选、设计与合成过程，推动化学工业的可持续发展。

“人工智能的技术进步令人瞩目，但我们必须清醒地认识到，通用人工智能的实现并非一蹴而就。”中国科学院院士、南京大学党委书记谭铁牛表示，这个过程需要汲取历史的经验教训，理性务实地推进人工智能的发展与应用。

谭铁牛强调，人工智能赋能化学领域创新发展不应局限于生成式人工智能的赋能，更应在基座大模型的基础上，着力推进以知识和数据双驱动的多任务多目标垂直模型建设。