黄牛号贩子跑腿代挂号（18910288832）微信需要挂号联系客服（18910288832）各大医院服务项目！专家挂号，办理住院加快．检查加快，产科建档，指名医生挂号北京，上海，南京，天津．广州，各大医院代挂号

AI制图

随着人工智能应用的日益广泛，人工智能赋能科学研究（AI for Science）近年来在全球迎来蓬勃发展，展现出重塑科技创新的巨大潜力。日前在北京举行的中关村论坛年会上，人工智能在科学研究中的前沿应用成为各界关注的热点话题。专家和业内人士认为，作为人工智能发展的新前沿，“AI for Science”正快速从实验室探索迈向科研主流，有望引领一场深刻的科研范式变革。

人工智能与科研深度融合

催生更多创新突破

近年来，人工智能已在多个关键学科领域实现突破：AlphaFold2算法准确预测蛋白质结构，自动化材料研发平台“机器化学家”快速筛选出高性能催化剂，人工智能参与天文图像处理发现新的星体结构……这些“AI+科研”的实际案例，不断拓展着人类的知识边界。

中国科学技术信息研究所发布的《AI for Science创新图谱》（以下简称《报告》）显示，全球科学家正不断将机器学习等人工智能技术应用于科学研究各领域。人工智能通过变革科研范式、提升科研效率，推动物理、化学、生物等基础学科前沿突破，在合成生物制造、材料设计等领域催生出一批新技术模式驱动的新兴产业。与此同时，人工智能与数学、物理、生命科学等基础学科的交叉融合，为人工智能提供理论基础与方法论支持，不断推动人工智能理论突破并拓展能力边界。

在全球AI for Science学术研究方面，2019年—2023年间，全球AI for Science论文发表年均增长率为27.2%，各学科领域论文发表均呈现逐年递增趋势，其中，生命科学、物理学和化学等领域发表的人工智能应用论文数量最多。中美两国是当前AI for Science研究大国。近5年间，中国论文发表超过10万篇，居全球首位。

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团队展示了AI for Science从科研迈向商业航天应用的典型案例——“临界炽核”应用。该应用的核心引擎DeepFlame是首个集成了AI框架用于反应流高精度数值模拟的高性能、大规模开源软件平台。

“以朱雀二号火箭为例，我们对‘火箭心脏’即发动机进行了全流程数值模拟，实现从燃料喷注器、燃烧室到外喷羽流场的亿级网格仿真，计算精度达工业应用标准，相较传统方案实现了超千倍的加速性能。”陈帜介绍。

中国科学技术信息研究所党委书记赵志耘表示，随着模型算法、数据、算力、基础软件等创新要素进一步开放共享，开源开放的普惠化AI for Science生态将走向成熟，人工智能赋能科学研究的门槛将持续降低，场景的广度、深度不断拓展，人工智能与科学深度融合将催生更多创新与突破。

资源加速整合

推动走向“大科研时代”

尽管AI for Science展现出巨大潜力，但仍面临现实挑战。科研数据的高获取成本、格式非标准化、数据敏感性强等问题普遍存在，成为制约AI有效应用的难题。

中国科学院院士鄂维南认为，科研模式的转型升级能有效帮助科研人员打破学科之间、理论与实验之间、科研与产业之间的界限，使科学家有更大的探索空间和更高的探索效率。实现这个目标，需要围绕数据库、文献工具、理论方法和模型以及实验工具，形成新的科研协同模式，推动走向“大科研时代”。

算法模型、知识库、算力平台和实验表征系统是支撑未来科研范式的核心基座。北京科学智能研究院副院长李鑫宇发布了新一代科研知识库与文献开放平台“科学导航”，该平台目前已覆盖全球1.6亿篇文献，通过自然语言问答式的文献检索能力，帮助科研工作者前瞻性开展文献数据和实验数据一体化管理，让科研检索与管理效率提升了近百倍。

“未来，我们可以让人工智能‘读、算、做’，并将这些原本独立的步骤形成自主运转的闭环。”北京科学智能研究院院长、深势科技创始人张林峰发布了Uni-Lab-OS智能实验室操作系统。他说，该操作系统可以解决传统实验室手工操作低效、设备孤立及数据分散的痛点。这位“AI科学家”有望助力传统实验室向自动化、智能化跃迁，为生物、化学、环境、材料等领域增添动力，为科研人员节省更多的时间和精力。

鄂维南表示，随着AI for Science的发展，在不远的将来，我们会看到科研资源的加速整合。“在广大范围内构建一个‘图书馆’、一个‘教学楼’、一个‘超算中心’、一个‘实验室’，让AI读文献、做计算、做实验、做评测，形成融合闭环。”他说。

培养交叉学科融合人才

青年科学家扮演重要角色