【资料图】

  8月10日-11日，2023 中关村论坛系列活动——2023 科学智能峰会（AI for Science Congress）在京举行，本次峰会采取开放讨论，共商共创的交流模式。AI for Science 是一个具有广阔前景和巨大潜力的领域，也是一个充满挑战和机遇的领域。2023科学智能峰会，以“四梁N柱“为主线展开，设置了10余场深度研讨的学术峰会。在其中一场主题为《良“材”难觅，AI4S助力（材料计算专场）》的学术峰会上，召集人中国科学院宁波材料所研究员钟志诚与国内学界和业界活跃的材料计算领域专家学者，共同分享AI4S+材料的前沿动态。

  许多领域的重大突破都与材料有关，材料是人类社会的基本组成要素和关键性资源，材料的演进直接推动人类社会的进步。历史上许多材料的发现是通过偶然的机会，传统我们解决材料设计与工艺问题时，使得新材料的研发仍主要依靠实验试错，以及一定的运气成分。AI for Science极大地突破了材料模拟的时空限制，有望让材料理性设计成为触手可及的事情。

  中国科学院金属研究所研究员陈星秋表示，中国科学院金属所关注合金的研究，合金的成分较为复杂，例如钢、铁、碳、锰、钴、镍等，而计算材料领域当前较大的挑战是跨尺度计算模拟，业界已经尝试多年，如今AI for Science的技术为跨尺度计算带来了可能性，有望解决这一领域最具挑战的问题之一。

  推动材料实验与理论模拟深度融合，加速“计算精确指导实验、实验高效反馈计算”的科研新范式形成，是业界共同努力的目标。

  北京航空航天大学教授孙志梅谈到，AI在一定程度上可以帮助研究人员进行计算和实验。她提到，基于AI的算法及新材料研发已经在研究中有所应用，同时将2030年新一代AI投入到高通量计算与方法中去，以实现更快速及精确的计算。

  针对自主可控的大型晶体结构预测/搜索软件CALYPSO在材料、设计中的应用，吉林大学教授王彦超谈到，多年发展实验上已经出现了不同晶体结构的方法，比如说熟知的X射线衍射方法，通过此方法进行实验来解析晶体结构。而当采用了群质算法，对整个势能面再进行全局搜索，通过将一个复杂的问题进行简化、分解以及通过群质算法进行全局求解就形成了CALYPSO晶体结构计算方法。针对未来行业发展，王彦超表示，AI搭载的训练或许会在未来真正实现以理论为驱动的新材料研发模式形成变革。

  厦门大学教授程俊则结合计算电化学以及机器学习势函数（Machine Learning Potential）将AI加入对行业的加速能力表达了自己的看法。他谈到，电化学它最开始这个学科的建立其实在1780年生物电的发现，经过200多年的发展，电化学其实在生命科学和脑科学等前沿领域仍然有应用前景，包括如今发展的脑机接口。除了计算还有实验材料体系及一些表征方法，也会积累特殊的实验数据库，从AI for Science的框架和电化学垂直应用领域就催生了AI for electrochemisty（AI4EC）概念的提出。从量子力学分子模拟到计算硬件和人工智能的发展使得行业发展充满更多可能性，已经不局限于计算化学与计算科学，预计未来5-10年会有爆发性的发展。

  清华大学教授徐勇也分享了在电子结构计算方面的发展，他谈到AI的加入可以极大加速电子结构计算方法的发展。吉林大学教授张立军也谈到，AI对材料智能设计软件具有推动作用，同时在半导体信息材料设计领域也有AI的贡献。之江实验室教授于剑也针对材料数据与AI之间的推进作用做了分享。

  2023科学智能峰会由北京科学智能研究院主办，围绕AI for Science基础设施共建、典型应用领域，设置1场主论坛和10场学术峰会。会上，与会院士、专家、企业代表探讨AI for Science当前的发展重点、蕴藏的机会，分享先进理念与前沿见解，展示研究成果、创新技术，展望AI for Science未来发展趋势。