(资料图片仅供参考)

  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。其中，主题为“共建AI4S基础设施-新范式下的材料实验”的学术峰会于8月11日召开。

  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。历史上材料的发现主要基于经验试错。传统材料实验方法成本高、耗时久、数据分析难度大。AI for Science将对材料研发带来颠覆性变革。AI在材料设计和筛选方面表现出巨大潜力，也越来越受到研究者的青睐。材料实验的高通量化、自动化、智能化，将推动材料实验与理论模拟的深度融合，指导新材料设计和优化，大幅提高研发效率。

  论坛召集人、苏州实验室研究员陈忻与国内领域专家学者，共同探讨材料创新发展，共建AI for Science基础设施与材料研发的新范式。陈忻在开场致辞中谈到，AI for Science已经进入了一个加速的涌现期，也正是峰会上发布的《2023科学智能全球发展观察与展望》中提出的核心观点。材料研发的核心任务就是构建构效关系，既材料结构和性能之间的关系。而这正是AI可以大显身手之处。构建这种映射关系通过数据，借助AI的力量来统合完成。在这种新范式下，AI不仅仅是一个辅助的工具，而是整个方法论的核心。希望通过新的基础设施和新的范式的变革，建立我国材料领域的原始创新和持续创新的能力体系。

  数位来自业界的顶尖专家发表了精彩的演讲。南京工业大学教授陆小华谈到，当前国内膜材料与国民经济发展紧紧相连，作为材料的载体，膜材料与化工领域联系甚广，而AI for Science对此行业的发展也将起到关键作用。膜材料的重要性与国家双碳战略息息相关，膜+X的流程再造为行业创新奠定了基础。所以 AI for Science实际上就成为了很重要的机制模型，当有了机制模型，AI for Science的训练就能够事半功倍。

  南京大学教授朱嘉着力在光热调控方面的研究。他谈到，光热效应在不同尺度都在发挥作用，尤其在工业过程中作用巨大。例如，夏天如何通过辐射降温来延长冰淇淋的融化速度，包装纸可降解，木质素的辐射降温材料跟在冰跟雪的实验上可以非常显著提升它的消融效率。AI for Science对光热效应如何发挥作用，结合基因算法和机器学习可以进行精确光谱的训练，通过基因算法来产生多层膜的预设计。通过光谱的精确度、角度的依赖性和成本来做选择，这样光谱准确度最高，角度依赖性最低，成本也最低，从而实现更有效且准确的材料设计。光热效应综合调控与AI算法紧密结合：AI为精确的光热调控提供了新的手段，而光热调控为AI提供了新的应用场景。

  天津大学教授赵志坚分享了AI加速的催化剂理性设计的研究。他谈到，在上世纪50年代之后，随着计算机硬件和软件的发展，计算科学也是逐渐成为一个重要的研究手段，从催化剂的设计到反应器的一个研发都是发挥了重要的作用。而随着AI时代来临，在数据驱动的范式下进行进一步高效催化剂的研发工作也提供了机遇。最核心的还是要有合理的描述真实催化反应体系的模型，在此模型之上通过在反应层次的描述符的构建加速此过程，最后在应用层次真正做到可控合成的验证。

  南京大学教授马晶也谈到了在材料设计与化学合成上与AI之间的一些尝试。她谈到，将AI应用进自动化学合成中，与分子模拟相同，都是基于现有的模拟的方法在进行一些轨迹的应用。

  清华大学长聘副教授王笑楠提到，化学材料领域里的复杂知识，使AI for Science的主题在化学化工材料领域真正发挥出了巨大的作用。如何让机器学习和化学材料的体系更好结合，从理论的仿真实验到真实湿实验，干湿实验耦合，干湿实验闭环，这是行业最终希望的方式。因而，高效率、高精度的实验表征系统也成为AI for Science重点建设的四大基础设施之一，在材料研发领域，必将带来颠覆性的变革。

  厦门大学教授汪骋谈到，AI有着宏大的背景，一个数据科学方法在研究者看来较为简单，它像科学世界的地图，其他一些先进的表征方法却是表征一个很局部的问题，把它表征的更加精细，但这样的数据科学方法就会不同，是从局部看全局的方法。

  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。