近年來，新一代人工智能技術蓬勃發展，推動科研範式變革。一批科技工作者麵向世界科技前沿，探索建立化學研究的精準化、智能化雙驅動模式
，並率先在機器化學家
、離子膜、固態電解質等領域取得創新和突破。

形成全新研究範式

“我們希望有一個機器人可以代替人做實驗。”中科院精準智能化學重點實驗室主任李震宇告訴記者。如今，這個想法已經變成現實。在中國科學技術大學機器化學家實驗室，重達200公斤的機器人“小來”取代了身穿白大褂的人類實驗員
，伸出機械臂就可精確抓取樣品瓶配製試劑
，完成各種實驗工作。

集閱讀文獻、自主設計實驗、材料開發於一體的“全流程機器化學家”平台，其研發始於2014年。當時
，中國科學技術大學化學物理係教授江俊找來人工智能
、電子科技
、數學、化學等不同專業人才組成具有交叉學科背景的團隊，嚐試建立會思考的“化學大腦”。經過多年努力打造的機器化學家“小來”，讓研究速度實現了質的飛躍。

“實驗數據經處理後輸入‘小來’的計算大腦，由人工智能模型幫助科研人員優化實驗方案
，可以大幅提升我們的效率。”江俊說。以研發高熵合金催化劑為例——閱讀1.6萬篇論文並自主遴選出5種非貴金屬元素，再從55萬種可能的金屬配比中找出最優配方，“機器化學家”可將科研周期縮短至5周。

李震宇表示，傳統化學研究範式深度依賴“試錯法”，過程繁瑣
、耗時冗長，化學反應經常產生大量副產物


，不環保、不經濟
、不安全。改變研究範式是社會環境
、經濟發展和化學學科本身發展的迫切需求。而通過人工智能加速實現精準化研究，過程透明、機理清晰、全程可控，更高效環保。

不隻是催化劑
，還有新材料。前不久，《自然》雜誌發表了一項重要成果
，中國科學技術大學徐銅文、楊正金團隊與合作者設計了一類新型離子膜——微孔框架聚合物離子膜，首次實現膜內近似無摩擦的離子傳導，有望應用於能源轉化、大規模儲能以及分布式發電等領域。使用該膜組裝的液流電池，充放電電流密度可達到每平方厘米500毫安，是當前普遍報道值的5倍以上。“chuantongyanjiufanshizhong，xuanzezhizuoheyongdemo，jiuxiangdahailaozhen。youlerengongzhinenggongjudebangzhu，womenjiunenggenjuyingyongchangjingsuoxuyaodefenleijingdu，panduanzhegemoxuyaojubeishenmexingneng，zaitongdaozhongzaijinxingjingzhuntiaokong
、修飾。”徐銅文說。

李震宇這樣形容化學研究範式的變革：“拿交通方式打比方，化學研究的初級階段就像步行；之後技術手段升級，相當於坐上了自行車
、摩托車、汽車；引入人工智能
，好比坐上火箭，量變引起質變
，可以帶我們去月球等以前靠步行
、坐車去不了的地方。”

科學家會被取代嗎

有了機器人，還需要人類科學家嗎
？“這種擔憂完全沒有必要。好的工具會帶來更多可能性，我們能做更多事。”江俊說。

中國科學技術大學應用化學係教授姚宏斌的最新突破，就是一個電腦幫助人類做出更好科研成果的故事。今年4月初

，姚宏斌課題組

、李震宇課題組的研究成果發表在《自然》上，他們通過材料結構和界麵精準設計
，開發出鑭係金屬鹵化物基固態電解質新家族。

幾年前
，在尋找鹵化物電解質過程中，姚宏斌課題組考慮將石榴石氧化物——鋰鑭鋯氧中的“氧”換成“氯”。按傳統研究方法得在實驗室裏一點點試錯

，不僅慢還得碰運氣。為此
，他想求助於計算機。2021年，姚宏斌錄取了一名既有材料科學專業背景
、又(you)有(you)計(ji)算(suan)機(ji)編(bian)程(cheng)基(ji)礎(chu)的(de)研(yan)究(jiu)生(sheng)羅(luo)錦(jin)達(da)，並(bing)找(zhao)到(dao)計(ji)算(suan)化(hua)學(xue)方(fang)向(xiang)的(de)李(li)震(zhen)宇(yu)教(jiao)授(shou)共(gong)同(tong)指(zhi)導(dao)。在(zai)兩(liang)位(wei)教(jiao)授(shou)的(de)共(gong)同(tong)指(zhi)導(dao)下(xia)
，羅(luo)錦(jin)達(da)寫(xie)出(chu)了(le)可(ke)滿(man)足(zu)研(yan)究(jiu)需(xu)要(yao)的(de)程(cheng)序(xu)。之(zhi)後(hou)，姚(yao)宏(hong)斌(bin)團(tuan)隊(dui)和(he)李(li)震(zhen)宇(yu)團(tuan)隊(dui)聯(lian)合(he)，根(gen)據(ju)計(ji)算(suan)機(ji)模(mo)擬(ni)結(jie)果(guo)設(she)計(ji)出(chu)一(yi)個(ge)常(chang)溫(wen)條(tiao)件(jian)下(xia)可(ke)以(yi)穩(wen)定(ding)存(cun)在(zai)的(de)鑭(lan)係(xi)金(jin)屬(shu)氯(lv)化(hua)物(wu)
，又(you)在(zai)實(shi)驗(yan)室(shi)成(cheng)功(gong)合(he)成(cheng)出(chu)具(ju)有(you)優(you)質(zhi)性(xing)能(neng)的(de)鑭(lan)係(xi)金(jin)屬(shu)氯(lv)化(hua)物(wu)固(gu)態(tai)電(dian)解(jie)質(zhi)。

樣品出來後，如何解釋原理？團隊成員結合自己的實驗數據以及曆史上相關研究的海量實驗數據，讓計算機程序在超算中心去“跑”。經過長時間計算模擬和分析，最終探明鑭係金屬鹵化物框架結構的鋰離子傳導原理。

姚宏斌說：“monijisuanzaizhexiangyanjiuzhongdefenliang，yuezhansanfenzhiyi。meiyouzhesanfenzhiyi，yanjiujiangwufalingrenmanyi

，yinweiwomenkenengwufazaiduanshijianneixunzhaodaozuiyoudedianjiezhicailiao，yebunengbashiyanxianxiangbeihoudeyuanlijieshiqingchu。”

未來需要什麼樣的科研人才
？“應該具備紮實的基礎和開放的心態。”江俊表示，現在知識量已經無比龐大，沒有人能看到全局，我們應該找到自己喜歡的專業，把知識的脈絡看清楚
；同時還要有開放的心態，敢於學習新東西。

“先進技術為人類探究更深層次的科學問題提供了更多可能性，但科學探究的邊界仍被人類對自然界的認知和理解所限製。”姚宏斌則認為，科研工作者需要不斷拓展認知，才能更好地解釋大自然的奧秘。

培養更好的科研人工智能

國外也有會做實驗的機器人。2020年，利物浦大學研製的世界首個機器人化學家登上《自然》雜誌封麵

，它可以在1周內研究1000種催化劑配方，相當於1個博士生4年的工作量。但這款機器人化學家沒有物理模型，沒有預見性，不能提出任何科學假設。

與之相比
，中國科學技術大學的“小來”是一個有“腦子”的機器人化學家。它“能學”
，可閱讀海量文獻，學習化學知識；“能想”，可調用底層的物理模型，結合大數據與人工智能技術進行思考和模擬計算

；“能做”，可自主完成實驗，采集精準實驗數據來校準模擬計算結果，理實交融給出解決方案，形成科學研究閉環。

但“小來”的進化依然存在不少難點。算力算法不足，是現階段的痛點。江俊團隊自主研發了一款化學領域的聊天機器人程序ChemGPT。但因為GPU算力不足，ChemGPT“跑不快”，訓練迭代很慢。

數據也有待豐富和優化。“人工智能需要學習大量數據，但其實我們很缺數據。”江俊說。現階段大部分科研數據都從文獻中收集
，而文獻中的數據常常是被“美化”過的理想數據。由於現存研究數據來源多且雜，數據質量參差不齊，人工智能從這些數據中學習，就可能學到錯誤的東西。

“精準化學依賴實驗數據的準確性。”李震宇表示，應該從精準數據出發獲得高質量的化學智能，有了化學智能再回過頭來對化學反應、材料性質等實施精準調控，形成完整的研究閉環。

科學家們對更好的科研人工智能充滿期待。“我(wo)們(men)希(xi)望(wang)將(jiang)精(jing)準(zhun)智(zhi)能(neng)化(hua)學(xue)重(zhong)點(dian)實(shi)驗(yan)室(shi)建(jian)設(she)成(cheng)一(yi)個(ge)精(jing)準(zhun)智(zhi)能(neng)化(hua)學(xue)領(ling)域(yu)的(de)國(guo)際(ji)頂(ding)尖(jian)研(yan)究(jiu)機(ji)構(gou)，形(xing)成(cheng)一(yi)個(ge)新(xin)的(de)精(jing)準(zhun)智(zhi)能(neng)化(hua)學(xue)研(yan)究(jiu)範(fan)式(shi)，建(jian)立(li)我(wo)國(guo)主(zhu)導(dao)的(de)精(jing)準(zhun)化(hua)學(xue)數(shu)據(ju)體(ti)係(xi)和(he)智(zhi)能(neng)化(hua)學(xue)的(de)軟(ruan)硬(ying)件(jian)標(biao)準(zhun)。”李震宇說。 （經濟日報記者 佘惠敏）