以人工智能构建科学研究新范式
以人工智能构建科学研究新范式
AI for Science（科学智能）正在开启全新的科研范式。通过结合AI技术，科学家们能够快速学习数理方法，攻克微观领域的仿真设计难题。在生物医药和新材料领域，AI for Science不仅降低了科研门槛，更重要的是带来了颠覆性的科学研究范式变革。
AI开启全新科研范式
生物医药、新材料产业既是国家战略性新兴产业的重要组成部分，也是未来产业重点布局的领域。AI for Science带来的颠覆性变革，不仅体现在降低科研门槛，更重要的是打开了全新的科学研究范式。
深势科技创始人兼CEO孙伟杰表示，AI for Science从第一性原理、考虑事物发生本质的角度出发，结合AI技术，可以通过让AI快速学习到一系列数、理方法，比如量子力学、分子动力学，来攻克微观领域的仿真设计难题。
去年3月份以来，科技部、国家自然科学基金委员会等部门和北京市、上海市等地方政府都在积极出台政策，支持AI for Science战略部署。作为AI for Science新范式的引领者和践行者，深势科技也在不断探索AI为科学和科技带来的变革。
在近日举办的2024开发者大会上，深势科技首次披露了其科学大模型体系“深势宇知”，并全景式展示了其多年来在AI for Science领域的相关技术、算法、产品和前沿探索的成果及布局。“深势宇知”的发布，将众多学科的科研方法从“实验试错/计算机”时代带入到“预训练模型”时代。
“我们的客观世界、物理世界，它的模态必须经由AI for Science这样的大模型才能学到，而深势科技一定要把AI for Science做好，为我们通往通用人工智能之路继续添砖加瓦。”孙伟杰说。
科研新范式加速新药研发
AI for science应用于药物研发已经引起研究院所和制药行业高度重视，将成为未来药物研发的关键核心技术之一。
作为百年老字号中药企业，云南白药在中药及植物领域已有多年积累。“我们把AI辅助新药研发列入整体战略规划中，正在推动药物多学科交叉融合研发。”据云南白药有关人员介绍，目前云南白药与深势科技在大分子生物创新药、小分子创新药、核素药物等多个方向探索合作，希望结合深势科技在AI for science领域的沉淀和突破性算法与云南白药在创新药以及化妆品领域的创新研发经验，快速、有效地找到合适的分子，在更多难成药的适应症领域找到合适药物。
如今，通过AI for science在计算机上先做充分的设计和筛选，再去用少量的必要实验验证就可以帮助找到一个新的分子或者新的原料活性物。医药企业相关人士坦言，“药企和科研机构将能够在更多难成药靶点上寻找新的候选分子，尤其是在罕见病和孤儿药领域，AI+分子模拟技术有望为患者带来新的治疗希望。”
《“十四五”生物经济发展规划》明确支持采用人工智能等信息技术，实现药物产业的精准化研制，进而通过生物技术与信息技术融合更好惠民。AI for science切实响应着国家对生物医药创新性的号召和要求。
“深势科技将过去单点算法变成软件，软件再变成解决方案，部署在客户的机房里，应用在具体项目的实践中，这些探索和实践逐渐构成了我们基础设施的整合平台，让我们有能力去实现更大的梦想。”孙伟杰说。
共建 AI for Science 开放科学生态
AI与科学研究互动互促需要在诸多应用场景中反复实践、不断完善。既要鼓励企业运用AI开展关键技术研发，也要围绕产业链部署创新链，消除科技创新中的“孤岛现象”。
在谈及AI for Science未来发展时，孙伟杰表示，当前的一个挑战是来自于学科之间的壁垒。无论是底层的数学、物理、计算机科学，还是应用层面的化学、生物医药、材料科学等领域，学科之间的隔阂限制了知识的流动和创新的产生。只有让知识在不同的专业背景里流动起来，才能更好地发挥AI for Science的潜力，实现跨界融合和协同创新，为发展新质生产力注入更多新动能。
科学智能的每一个进阶都有赖于产学研领域的合作伙伴。深势科技不仅为行业、为客户提供新的科研工具和平台，还希望携手产学研，共建 AI for Science 开放科学生态。深势科技与15家产学研合作伙伴发布倡议，希望整合各方在AI、云计算及工业应用领域的优势资源，推动科学研究与产业应用的深度融合，不断开拓创新，延展科技前沿。
AI for science本质上是用AI提升科研效能，在孙伟杰看来，这属于“创新的创新”。“深势科技在这个过程中不仅是新质生产力的一份子，还在加速更多的新质生产力的诞生。AI for science让我非常兴奋，每天精力充沛，核心就在于我们能催生很多领域的原始创新不断涌现。”
孙伟杰说，AI for Science的未来，还是一个进行时的时态，需要投入更多的关注。深势科技会长期专注于AI for Science，携手合作伙伴持续投入，解决这里面最核心、最困难、最直接落地的问题。
本文原文来自新华网