中國網(wǎng)/中國發(fā)展門戶網(wǎng)訊 科學研究有2個主要目的：發(fā)現(xiàn)基本原理，如發(fā)現(xiàn)行星運動規(guī)律和量子力學原理；解決實際問題，如解決工程和工業(yè)中出現(xiàn)的問題。科學研究有2種主要方法：開普勒范式，即數(shù)據(jù)驅(qū)動的方法；牛頓范式，即基本原理驅(qū)動的方法。前者最好的例子是行星運動三定律的發(fā)現(xiàn)，即開普勒通過分析觀察數(shù)據(jù)發(fā)現(xiàn)了這些規(guī)律。后者最好的例子是牛頓對行星運動三定律的解釋和運用。牛頓提出了力學第二定律和萬有引力定律，在此基礎上將行星運動問題歸結(jié)為一個常微分方程問題并推導出行星運動三定律。這里原始的科學發(fā)現(xiàn)是開普勒做出的，但他并不理解其背后的原因。牛頓進一步發(fā)現(xiàn)了背后的基本原理，這些原理進而可用于許多其他問題。

從實際應用的角度來看，在量子力學建立之后，尋找基本原理的任務已經(jīng)基本完成。早在1929年，狄拉克就宣稱，“大部分物理學和整個化學的數(shù)學理論所需要的基本物理定律已經(jīng)完全被人們所知，困難在于這些定律的精確應用導致方程過于復雜而無法求解”。他的斷言不僅適用于化學，也適用于生物學、材料科學，以及所有其他不涉及高能物理的自然科學與工程學科。在實際情況中，通常不必深入到量子力學層面，而可以使用一些簡化的基本原理，如氣體動力學的歐拉方程和流體力學的納維—斯托克斯方程。

對于應用數(shù)學家來說，一方面有了這些基本原理，所有的自然科學和相關的工程問題都可以歸結(jié)為數(shù)學問題，再具體而言是常微分方程或偏微分方程問題。另一方面，在開發(fā)出有效的工具之前，為了解決實際問題，科學家只能大幅度簡化或徹底忽略這些基本原理。

馮·諾伊曼認識到計算機和數(shù)值算法應該提供一種利用這些基本原理解決實際問題的通用方法，這是一個重大進展。沿著這個方向，人們提出了許多求解這些微分方程的數(shù)值算法，如有限差分、有限元和譜方法。這些算法的基本出發(fā)點是一般函數(shù)可以用多項式或分片多項式逼近。這些工作的影響是巨大的。今天，科學計算已經(jīng)成為現(xiàn)代技術和工程科學的基礎。許多學科，如結(jié)構(gòu)力學、流體力學和電磁學，由于引入數(shù)值算法而發(fā)生了徹底改變。

科學研究的基本問題

目前，科學研究中并非所有問題都得到了解決。例如研究材料的性能和設計、藥物設計、內(nèi)燃機設計，以及許多控制問題仍然遠遠做不到使用基本原理來解決。在這些領域，理論工作往往與現(xiàn)實世界相去甚遠，現(xiàn)實世界的問題必須通過試錯或靠經(jīng)驗來解決。這導致科學研究效率低下，相關領域的技術提升進展緩慢。

所有這些“困難”問題都有一個共同特點，即它們依賴于多個獨立變量。所以，這些困難實際來自維度災難。以量子力學的薛定諤方程為例，忽略對稱性，波函數(shù)中獨立變量的個數(shù)是粒子數(shù)量的3倍，所以10個電子的系統(tǒng)雖然是非常簡單的體系，但其對應的30維空間偏微分方程卻已經(jīng)非常復雜！

人工智能為科學計算提供新的解決方法

深度學習在圖像分類、圖像生成和圍棋等方面取得了極大的成功。這些都是標準的人工智能問題，但從數(shù)學角度來看，這些問題其實是函數(shù)逼近、概率分布的逼近和采樣，以及求解貝爾曼方程的問題。而所有這些都是應用數(shù)學，尤其是計算數(shù)學長期面臨的典型問題。不同之處在于，這些人工智能問題比應用數(shù)學中處理的問題維度要高得多。以圖像分類問題為例，這里的自變量是圖像，每個像素都是1個自由度。因此，1張32×32像素的彩色圖片有3 072個自由度。換句話說，這個問題的維度是3 072。

深度學習在這些高維問題上取得的成功提示深度神經(jīng)網(wǎng)絡可能是逼近高維函數(shù)更有效的工具。雖然目前還沒有建立起一個完整的深度學習的數(shù)學理論，但已經(jīng)取得了一些重要進展和直觀了解。首先，神經(jīng)網(wǎng)絡就是一類特殊的函數(shù)。如果使用規(guī)則網(wǎng)格上的分片線性函數(shù)來逼近一個函數(shù)，其誤差與網(wǎng)格大小的平方成正比。這正是維度災難的根源：隨著維度的增加，同樣網(wǎng)格大小所需要的格點個數(shù)呈指數(shù)增長。不僅基于分片線性函數(shù)的逼近是這樣，所有基于固定基函數(shù)的逼近方法都是這樣。如果利用神經(jīng)網(wǎng)絡函數(shù)來逼近一般的函數(shù)，那么至少在某些情況下，可以證明其逼近精度不會隨著維度的增加而惡化，就跟計算數(shù)值積分的蒙特卡羅（Monte Carlo）方法一樣。

這個觀察結(jié)果有著廣泛的意義。因為函數(shù)是最基本的數(shù)學對象之一，所以一個新的高維函數(shù)逼近工具將對許多不同的領域產(chǎn)生深遠影響。特別是，深度學習應該有助于解決之前討論過的那些受維度災難困擾的問題。這是人工智能驅(qū)動的科學（AI for Science）的出發(fā)點。

這方面最成功的例子是預測蛋白質(zhì)結(jié)構(gòu)的AlphaFold算法。蛋白質(zhì)結(jié)構(gòu)是生物學最基本的問題之一。研究蛋白質(zhì)結(jié)構(gòu)的基本方法是首先最小化整個蛋白質(zhì)—溶劑系統(tǒng)的總勢能。但2個主要的困難限制了這種方法的成功：獲得精度足夠高的勢能函數(shù)，以及該函數(shù)景觀的復雜性。科學家也曾嘗試過數(shù)據(jù)驅(qū)動的方法，但其成功僅限于預測二級結(jié)構(gòu)，如α-螺旋和β-折疊。通過充分利用蛋白質(zhì)序列數(shù)據(jù)集及最先進的深度學習模型，DeepMind公司開發(fā)了AlphaFold2算法，它以非常優(yōu)雅的方式基本解決了蛋白質(zhì)結(jié)構(gòu)問題。這項研究震驚了世界。

AlphaFold2是純粹數(shù)據(jù)驅(qū)動的方法。但這并不意味著AI for Science是一個純粹數(shù)據(jù)驅(qū)動的研究范式。事實上，科學研究遵循如前所述的基本原理或第一性原理，而AI for Science的一個主要組成部分是用人工智能方法為這些基本原理開發(fā)更高效的算法或近似模型。在這方面，最著名的例子是分子動力學。分子動力學是生物學、材料科學和化學的基本工具，其思想是通過計算體系中原子的動態(tài)軌跡來研究分子和材料的性質(zhì)。原子運動遵循牛頓定律，困難的部分來自于模擬原子之間的相互作用力或勢能函數(shù)。經(jīng)驗勢函數(shù)的方法是盡可能地猜出原子間勢能函數(shù)的函數(shù)形式，然后用一些實驗或第一性原理計算出的數(shù)據(jù)來擬合其中的參數(shù)。雖然這種方法可以提供一些幫助，但作為一個研究特定體系的定量工具，它是不可靠的。1985年，Car和Parrinello開發(fā)了第1個基于第一性原理的人工智能方法：通過使用量子力學模型（如密度泛函理論）來實時計算原子之間的作用力。這種方法能夠以第一性原理的精度來模擬特定體系。但在實踐中，效率是一個瓶頸。由于效率的限制，只能用這種方法來處理含數(shù)千個原子的體系。

機器學習提出了一種新的范式。在這個新的范式下，量子力學僅用于提供數(shù)據(jù)。基于這些數(shù)據(jù)，可以使用機器學習方法來得出原子間勢能函數(shù)的精確近似，然后就像使用經(jīng)驗勢能函數(shù)一樣將其用于分子動力學模擬。

為了使這個策略真正有效，必須處理2個重要問題。 網(wǎng)絡架構(gòu)。它應該是可拓展的，并且遵循物理學基本規(guī)律。可拓展性能夠在小體系上做機器學習并將結(jié)果應用于更大的體系。這個問題在Behler和Parrinello兩位科學家的經(jīng)典工作中得到了解決。遵循物理規(guī)律意味著必須保持對稱性、守恒律、不變性和其他物理約束。在勢能函數(shù)這個問題中，需要考慮的主要是平移、旋轉(zhuǎn)和置換不變性。這可以通過使用一個嵌入網(wǎng)絡來實現(xiàn)，該網(wǎng)絡將原子位置的信息映射到一組保持對稱性的函數(shù)上。然后再通過一個逼近網(wǎng)絡來擬合勢能函數(shù)。 數(shù)據(jù)有關。一方面，如果希望機器學習方法產(chǎn)生的勢能函數(shù)在所有感興趣的實際場景中都與原始的量子力學模型一樣精確可靠，那么訓練數(shù)據(jù)集就需要能夠?qū)λ羞@些不同場景都具有充分的代表性。另一方面，由于標注數(shù)據(jù)是用量子力學模型計算出來的，而這些計算是比較昂貴的，所以希望數(shù)據(jù)集盡可能小。這就需要一種自適應數(shù)據(jù)生成算法，它能夠幫助人工智能在學習過程中動態(tài)生成“最優(yōu)”數(shù)據(jù)集。

ELT算法就是為了解決這個問題。它由探索（exploration）、標注（labeling）和訓練（training）3個部分組成，因此得名ELT。ELT可以從沒有數(shù)據(jù)和粗糙的初始勢能函數(shù)開始。在探索過程中，使用一些采樣算法（如某種分子動力學方法）來探索不同的原子構(gòu)象。對于遇到的每個構(gòu)象，可以計算出一個指標值來查看是否需要對其進行標注。然后將標注好的數(shù)據(jù)添加到訓練數(shù)據(jù)集中，并基于它定期更新對勢能函數(shù)的逼近。

該算法的關鍵在于采樣方案和如何計算指標值。采樣方案的基本思想是僅探索實際感興趣且缺乏足夠多的訓練數(shù)據(jù)的構(gòu)象空間。指標值的關鍵在于判別哪些構(gòu)象附近還缺乏足夠多的訓練數(shù)據(jù)。對于后者，ELT方案采用的方案是訓練一組近似勢能函數(shù)。這組近似勢能函數(shù)之間的標準差定義為指示函數(shù)。對當前采樣到的構(gòu)象，如果其指示函數(shù)值超過了閾值，就對該構(gòu)象作標注。其背后的邏輯是，如果這個構(gòu)象附近有足夠多的訓練數(shù)據(jù)，那么不同網(wǎng)絡預測的勢能函數(shù)值都應該非常準確且彼此接近。大的標準差表明附近沒有足夠多的訓練數(shù)據(jù)，因此應該對當前構(gòu)象進行標注并加到訓練數(shù)據(jù)集中。對于采樣算法，選擇帶偏差的分子動力學，其中偏差勢函數(shù)由當前對勢能函數(shù)的逼近來定義，并由其準確性的置信區(qū)間大小來定義權(quán)重。其背后的邏輯是，如果當前已經(jīng)得到的勢能函數(shù)在一個區(qū)域范圍足夠準確，那么應該離開這個區(qū)域而到其他地方進行采樣。

有了這些主要組件，確實可以為一大類（如果不是全部的話）原子體系提供具有第一性原理精度的勢能函數(shù)。所得的模型稱為深度勢能分子動力學（deep potential molecular dynamics，DeePMD）。它是一個可靠的、具有第一性原理精度的原子模擬工具。結(jié)合高性能計算，它將以第一性原理精度分子動力學模擬的能力從只能處理數(shù)千個原子的體系擴展到處理170億個原子的體系。DeePMD軟件包DeePMD-kit也大大降低了DeePMD的使用門檻。

類似的想法可以應用于其他物理模型。例如，可以用高度準確的量子化學計算數(shù)據(jù)來訓練更通用、更準確的密度泛函模型。還可以開發(fā)更準確、更可靠的粗粒化分子動力學模型，以及更準確的動力學方程的矩陣模型等。事實上，機器學習正是過去多尺度、多物理建模所缺少的工具。

除了基本原理的模型之外，人工智能方法還可以提供更高效、更準確的反演算法，從而增強實驗表征能力。先前討論過的基于人工智能的算法可以為正問題提供更逼真、更準確的數(shù)據(jù)，而神經(jīng)網(wǎng)絡中的可微分結(jié)構(gòu)可以幫助設計解決反問題的優(yōu)化或采樣算法。這項工作仍處于早期階段，但它是一個有巨大發(fā)展空間的方向。

人工智能方法還有可能改變?nèi)藗兝梦墨I和現(xiàn)有科學知識的方式。文獻和現(xiàn)有科學知識是科研靈感的主要來源之一。然而，利用好這些資源也是一個非常艱巨的任務：需要從大量信息中挖掘出相關文獻和知識，并需要花大量時間來閱讀和研究它們。然而，可以利用人工智能數(shù)據(jù)庫和大語言模型來收集和整合這些信息并更有效地查詢這些信息。原則上，對于感興趣的任何研究課題，都可以使用人工智能工具快速總結(jié)文獻中的相關信息及其來源。人工智能技術甚至可以幫助建議一些進一步的研究方向。這將大大提高科學研究的效率。

隨著這些新的可能性的出現(xiàn)，可以探索一種新的科研范式，并把它稱為科學研究的“安卓范式”。在這個新范式下，科學界將共同努力建立起一套新的基礎設施，包括用于基本原理的人工智能算法、人工智能賦能的實驗設施和新的知識數(shù)據(jù)庫。這些平臺構(gòu)成了科學研究的“安卓平臺”。無論是尋找特定化學反應中的催化劑還是設計新電池，這些針對特定應用的研究工作都可以在這個“安卓平臺”上進行。這無疑將加快科學研究的進程。

這種橫向整合的觀點也將有助于打破學科壁壘，加強跨學科的研究和教育。橫向整合的觀點本身并不新，由于缺乏有效的工具，過去它難以帶來實質(zhì)性的進展。如前所述，人工智能方法提供了大大改進這些橫向工具的空間。這些新的橫向工具，例如新的查閱文獻和現(xiàn)有科研數(shù)據(jù)的平臺，以及自動化、智能化的實驗平臺，使得科研人員能夠從橫向的角度更有效地看待不同的科研場景。例如，對原子體系，生物學關注的是生物大分子，材料科學關注凝聚態(tài)體系；化學比較關注小分子，化工領域則比較關注高分子。而從理論工具的角度來說，無論哪種體系，都離不開電子結(jié)構(gòu)方法和分子動力學方法。實驗工具則包括不同尺度的光譜和顯微鏡成像技術。盡管不同領域關注不同體系，這些不同領域的工具和知識都應該可以最大程度地共享。在這個框架下，學科之間的界限也就自然消失。

我國AI for Science的發(fā)展現(xiàn)狀

帶著這一愿景，筆者團隊在2018年啟動了DeepModeling開源平臺。這個平臺的目的是邀請科學界共同努力，為物理建模和數(shù)據(jù)分析建立基于人工智能方法的基礎設施。到目前為止，它已經(jīng)產(chǎn)生了巨大的影響力并吸引了許多的開發(fā)者，在中國，AI for Science的發(fā)展呈現(xiàn)出令人欣慰的良好局面。所有這些，都為AI for Science在中國的發(fā)展奠定了良好的基礎。

在短短幾年內(nèi)，AI for Science的重要性和它帶來的巨大發(fā)展空間已經(jīng)得到了廣泛的認可。一大批各個領域的領軍學者都高度重視AI for Science這一機會。2024年初《中國科學院院刊》策劃組織“大力推進科研范式變革”專題，就是一個例證。

一批專注于AI for Science的研究團隊正在出現(xiàn)并展示出良好的勢頭。經(jīng)過3年多的醞釀，北京科學智能研究院于2021年9月在北京市的支持下正式成立。這是國際上第1個專注于AI for Science的研究機構(gòu)，致力于打造AI for Science時代的基礎設施。除此之外，還有中國科學技術大學的機器化學家團隊、廈門大學嘉庚創(chuàng)新實驗室的AI for Electrochemisty團隊等。

一批企業(yè)也在AI for Science方向積極布局。這體現(xiàn)了產(chǎn)業(yè)界對AI for Science的巨大信心。在AI for Science的旗幟下聚集了一大批有能力、有決心、有干勁的青年產(chǎn)業(yè)人員。

科學技術部、國家自然科學基金委員會等國家機構(gòu)和北京市、上海市等地方政府都在積極出臺政策，支持AI for Science的研究。2022年，國家自然科學基金委員會交叉科學部首先推出“可解釋、可通用的下一代人工智能重大研究計劃”，AI for Science是其中一個重要組成部分。

建議

如今的良好基礎并不代表AI for Science在中國的健康發(fā)展已經(jīng)板上釘釘。對一個領域的發(fā)展來說，成為熱點是一把雙刃劍。越是熱點，就越容易產(chǎn)生泡沫。如何才能保證利用好這個機會，讓AI for Science帶動我國在下一次科技創(chuàng)新和產(chǎn)業(yè)變革的浪潮中走在最前沿？本文提出以下4個方面具體建議。

要有具有高度前瞻性的頂層設計。頂層設計必須把基礎設施建設放在第1位。基礎設施建設周期長、任務重、困難大，但從長遠發(fā)展的角度來說，它的重要性毋庸置疑。過去的幾年里，我們目睹一些領域長期的表面繁榮在一夜之間被打回原型的例子，這與先進國家相比呈現(xiàn)出巨大差距。究其原因，都是因為沒有在基礎設施上下足夠的功夫。

要有理性的資源分配機制。要讓有能力、有動力、真正活躍在一線的科研人員得到他們應該得到的資源，非理性的資源分配體系所造成的負面影響不僅僅是資源的浪費，更是不正學風的根本原因。要徹底打破靠資歷、靠宣傳、靠關系和“分蛋糕”的資源分配體系。

要積極推進開放和合作共贏的理念。科學研究本來就是所有科研人員共同的事業(yè)。在AI for Science的新框架下，“自給自足、小農(nóng)作坊”的研究模式將難以適合未來發(fā)展的需求。只有合作共贏，才能充分調(diào)動科研人員的潛力和積極性，加快提升整體科研創(chuàng)新的能力。

要加強學術風氣的建設。學術風氣是決定中國科技創(chuàng)新能不能成功的最重要的因素之一，也是決定AI for Science在中國能不能順利發(fā)展的最重要的因素之一。要積極鼓勵年輕人提出新思想、新觀念，鼓勵對各種學術觀點的質(zhì)疑和挑戰(zhàn)，積極倡導實事求是、有一說一的風氣。讓學術會議和學術討論回歸其本來的目標。讓一些專注于搞虛假宣傳、在領導面前畫大餅的風氣在中國失去生存的空間。

希望我國科學家珍惜目前AI for Science的良好發(fā)展勢頭，緊密合作，緊緊抓住AI for Science這個千載難逢的機會，爭取在下一輪的科技創(chuàng)新浪潮中走在前沿，為人類的科技發(fā)展作出應有的貢獻。

（作者：鄂維南，北京大學 北京科學智能研究院。 《中國科學院院刊》供稿）