作為人工智能發展的一大趨勢，國際學術界已對“人工智能驅動的科學研究”形成共識：人工智能將帶來科研范式的變革和新的產業業態。

　　在中國科學技術大學校園里，化學與材料科學學院的一群科研人員正積極投身這項實踐：深耕精準智能化學領域，推動科研范式變革，并取得了一系列令人矚目的科研成果。

　　“機器化學家”展現出智能新范式的巨大優勢

　　如何創制一款芬頓催化劑？在中科大“機器化學家”實驗室里，大量瓶瓶罐罐的實驗工作被人工智能“取代”，科研人員無需試來試去，整個過程簡單而高效。

　　記者在實驗室看到，科研人員在人工智能程序中輸入問題：什么類型的非貴金屬元素常用于芬頓催化劑？很快，程序就會給出答案。程序提供的答案來自自主研發的文獻機器閱讀系統，它能迅速讀取海量文獻，基于統計數據分析，幫助科研人員選擇最佳的元素組合。接下來，就可以調出“機器化學家”平臺中保存的芬頓催化劑實驗模板，根據人工智能推薦的元素組合編輯液體進樣站的參數，并讓名為“小來”的“機器化學家”平臺幫助進行實驗驗證。這樣，“小來”便可以開始它的芬頓催化劑創制之旅。

　　“實驗數據經處理后，輸入‘小來’獨有的計算大腦中，產生人工智能模型，可以幫助科研人員優化實驗方案?！敝锌拼蠡瘜W與材料科學學院教授江俊告訴記者。

　　“小來”等人工智能工具和平臺，是中科大化學與材料科學學院江俊團隊的研發成果。其中，人工智能程序由化學數據驅動，并結合人類化學家的知識進行機器學習訓練，能夠針對使用者提出的問題給出初步的實驗建議?！靶怼眲t是團隊自主開發的集閱讀文獻、自主設計實驗、材料開發于一體的“全流程機器化學家”平臺，它能夠從數以億計的可能組合中找到最優解，進而加快材料研發。

　　實驗室里，由“小來”驅動的機械手臂伸縮自如，精確抓取配制試劑。

　　“全流程機器化學家”平臺到底有多強大？以潛力巨大的高熵化合物催化劑為例：獲得最優配方需要測試極其龐大的化學配比組合，如果依賴傳統研究范式，這一過程可能需要1400年，而“機器化學家”發揮數據驅動和智能優化的優勢，從55萬種可能的金屬配比中找出最優的高熵催化劑，僅需要5周時間。

　　專家認為，這種“機器化學家”的研究工作擺脫了傳統研究范式的限制，展現出智能新范式的巨大優勢。

　　利用人工智能將科學知識數字化、代碼化

　　猜測、嘗試、糾錯，再猜測、再嘗試……在過去150多年里，傳統的化學研究范式深度依賴“試錯法”，其局限性使得物質創制的周期長、成本高，難以實現高效、節能。

　　此后，由量子力學發展而來的量子化學，成為化學家使用的工具。化學家們可以在計算機上進行模擬實驗來驗證某個理論，大大提升了效率。然而，化學研究對象日益復雜化、高維化，面對龐大的化學空間，配方和工藝的搜索常常止步于局部最優，無法進行全局探索。

　　在計算化學領域有過10年研究經歷的江俊感慨：“我們的化學體系非常復雜，超算雖然進化很快，但還是無法應對它的復雜度?！?/p>

　　怎么辦？必須找到新的方法。

　　和江俊一樣，中科大教授李震宇也一直在關注和思考這個問題。

　　“精準化是所有化學家的一個夢想。我希望把這個東西放進去，想讓它轉化成什么就能百分百轉化成什么，過程中還不會產生任何另外的東西?！崩钫鹩钫f，“這就要求整個化學研究能做到精準的設計、表征、制備和調控，要求整個過程是透明可控的，里面的機理也是清楚的。要實現這個目標，整個研究范式必須改變?！?/p>

　　逐漸興起并快速迭代進化的大數據與人工智能技術，讓江俊和李震宇看到了解決這些難題的希望。

　　江俊認為，大數據與人工智能技術可以把科學知識數字化、代碼化，并進行遷移。“也就是說，我們隨時調用優秀研究者發明的代碼。他們的智慧結晶，只要我用一個‘子函數’就能調用過來。如果只靠人腦來學習、實踐和訓練的話，整個過程就會很漫長，知識的遷移就會變得低效?！?/p>

　　于是，江俊心中萌生了一個想法：是否可以借助人工智能技術開發一種新工具？在他的構想當中，這個工具能夠幫助科學家突破思維局限，利用數據建立有效的復雜模型，從而指導化學實踐。

　　2014年，江俊團隊提出“機器化學家”概念并開展相關科研工作。經過8年攻關，團隊通過開發和集成移動機器人、化學工作站、智能操作系統、科學數據庫等技術，在2022年成功研制出數據智能驅動的“全流程機器化學家”。

　　“機器化學家”助力催生化學研究新范式

　　如今，“全流程機器化學家”在科學研究中發揮著積極作用。中科大鄒綱團隊篩選光學活性薄膜材料時，為找到目標材料，需要混合多種分子來控制薄膜厚度、應力、灰度等工藝條件，其可能性有上百萬種。團隊努力了10年，終于將不對稱因子提高到了1.2，但離理論極限2.0還有非常大的差距。借助“小來”，他們在兩個月內找到了不對稱因子1.95的工藝條件，高度逼近理論極限。

　　江俊成功走出了第一步，讓化學科學家們深受鼓舞，更加堅定了以人工智能技術推動化學科研范式變革的決心。

　　今年1月，中國科學院精準智能化學重點實驗室正式獲批建設，李震宇擔任實驗室主任?！皩嶒炇抑饕嫦蚴澜缈萍记把兀劢谷绾胃淖兓瘜W研究范式這一關鍵科學問題，探索建立化學研究的精準化、智能化雙驅動模式?！崩钫鹩罱榻B。

　　李震宇認為，當前人工智能技術應用于化學研究最大的困難和挑戰來自數據?！耙延械拇罅繑祿碓磸碗s，質量參差不齊。這些數據混在一起，讓人工智能去學習，很可能會學到一些錯誤的知識。所以，我們希望發展一些新的技術，能夠進行一些更高精準度的表征，同時還能夠形成一套數據標準，在這個基礎上去做數據驅動的智能化學?！?/p>

　　“機器化學家”的出現，讓化學家們解放了雙手。也有人擔心：未來化學家們可能會無事可做。江俊表示不用為此多慮：“一個好的技術工具出來，也會賦予更多的可能性，讓科研人員做更多的事情，發現更多的前沿理論?！?/p>

　　“機器化學家”的出現，推動化學研究范式的改變，也對未來的化學發展提出了新的要求。江俊說，比如，在人才培養方面，既需要具備扎實的化學基礎，還要有開放的心態，要善于、敢于學習各種新知識。

　　未來，江俊希望建成一個“機器化學家”大科學裝置：在一整棟大樓里，布置上百個機器人、上千個智能化學工作站?；谶@樣一個大平臺，各個課題組的實驗數據可以交匯、共享，產生海量數據，自動提煉出數字化的知識圖譜和人工智能的模型，進而指導機器人自動優化生產更好、更高效率的化學品或新材料，實現數據智能驅動的化學研究新范式。

　　對于精準智能化學重點實驗室的首個重點應用研究，李震宇和同事們目前有了一個明確的目標：基于精準化、智能化雙驅動的化學研究新范式，對現有氮資源轉化相關反應進行全面評估，提出綠色低能耗轉化新路徑，創制新型催化體系，在氮資源綜合利用領域實現突破。

　　李震宇說：“氮資源高效轉化是一個極具挑戰性的難題，希望新的研究范式能夠給我們帶來幫助。”