中国网讯（记者 杨佳 王瑞芳 摄影报道）随着科技的发展，人工智能技术逐步应用于百行千业诸多领域。对科学研究领域的应用将会带来哪些影响呢？带着这样的问题，近日记者走访了北京科学智能研究院。
与火爆网络的通用型人工智能ChatGPT不同，AI for Science（“人工智能驱动的科学研究”）是新的科学研究范式。
在科研工作中长期面临着一些困境。一是基础研究在解决实际问题当中遇到的困难。二是试验手段，收集、处理和分析数据的手段效率相对低下。三是科研团队存在重复建设，工作效率亟待提高的问题。四是解决实际问题的过程中大多依靠经验和试错的方式。
人工智能正是解决这些问题的有效手段。人工智能驱动的科学研究可以全面提升利用基本原理的能力；显著提高共性工具的效率与精度；实现规模化、去中心化的测试；加速科研与产业的连接；批量培养兼具工程思维和工程能力的科研领域开发人才，从而大幅提升科研生产力和创新效能。
“AI for Science是全面实现原始创新的一个难得的历史机遇”。北京科学智能研究院副院长李鑫宇在介绍中提到，2018年鄂维南院士首次提出AI for Science概念，到如今人工智能在科研领域所产生的作用已达成行业共识。
DPA-1 首个覆盖元素周期表近70种元素的深度势能原子间势函数预训练模型。北京科学智能研究院 供图
2020年，鄂维南院士团队将人工智能方法、高性能计算与物理模型相结合，首次实现上亿原子的高精度分子动力学模拟。亿级是什么概念？过去这个模型原子数量级是万，深度势能分子动力学的出现一下提升了四个数量级，也因此一举夺得当年全球高性能计算领域的最高奖项的“戈登·贝尔”奖。
分子动力学模拟是人们研究微观世界的基本方法，可以揭示微观世界的基本原理、精确模拟微观粒子的状态。如果将其比作一个超高分辨率的显微镜，它不仅仅能帮助我们看到一个物质全貌，还能一级级放大，看到一个分子、原子，以及这些微观粒子的相互作用。
2021年，以鄂维南院士领衔，北京科学智能研究院正式成立 。当年年底，AI for Science就被评为阿里巴巴《达摩院2022十大科技趋势》之首，并预测未来三年，人工智能将在应用科学中得到普遍应用，在部分基础科学中开始成为科学家的生产工具。
北京科学智能研究院副院长李鑫宇(左)、北京科学智能研究院研究员戴付志（中）、北京大学工学院特聘研究员、北京科学智能研究院研究员陈帜与记者座谈。
“AI for Science给了我们一个弯道超车的绝佳机会”， 北京大学工学院特聘研究员、北京科学智能研究院研究员陈帜告诉记者。他所研究领域是航空航天推进技术，曾在海外学习工作了十余年，与领域内的头部企业有过深入的合作。
陈帜告诉记者，这类巨无霸公司都有一套完整自洽的系统，已经形成全周期的产业链。他例举了阿波罗登月计划中土星五号火箭发动机的例子。该型代号为F1的发动机研发是建立在3000多次完整测试基础上的，这笔巨额花费相当于当年美国GDP的百分之二，而现在通过先进的燃烧模拟可以将成本减少一个量级。
在陈帜看来，缩小差距，甚至走到前面去的机会是借助人工智能、高性能计算等先进技术，发展更多类似DPA-1的科学领域AI大模型，构建全新的计算辅助研发模式（例如将工程设计师同时训练成为Prompt Engineer提示词工程师），才有可能重塑整个行业。
材料课题方向的带头人、北京科学智能研究院研究员戴付志对此也深有感触。他举例说，过去一代材料的研发周期大约需要20年的时间。现在人工智能技术可以为新材料的研发提供方向性指导，研发过程正走向“计算指导试验、试验反馈设计”的理性设计研发模式，这将极大的减少试错的盲目性，缩短验证周期。
“快”也是北京科学智能研究院副院长李鑫宇在介绍AI for Science时用的较多的一个词。介绍情况时他提到，“我们希望的是用AI加速科学计算，且在数量级上进行突破。
在与记者交流中，他还不止一次提到，新方法带来的巨大变革，可能就在眼前，在五年的时间尺度内。
李鑫宇认为，在“人工智能驱动的科学研究”中培养一批兼具工程思维、工程能力的科研领域的开发人才，才是最重要的。他解释说，在将原理变成代码，再把代码组成软件的过程中，我们仍缺乏大量懂得底层科学原理且具有工程思维的人才。
交流接近尾声时，李鑫宇匆匆与记者告别，赶往下一场工作会议。
如今，深度势能原子间势函数预训练模型DPA-1、科学智能广场（AIS-Square)等科学计算领域重要的基础设施已发布应用，北京科学智能研究院的一个个创新工具方法也正在加速落地，一个个应用项目也在加速推进中。
前几日，科技部会同自然科学基金委近期启动“人工智能驱动的科学研究”（AI for Science）专项部署工作，逐步构建以人工智能支撑基础和前沿科学研究的新模式，加速我国科学研究范式变革和能力提升。
可以预见，“灵光一现”发现科学原理的方式，很快将成为过去。
