亚洲午夜视频,男人j放进女人p全黄在线,国产精品专区第一页在线观看

Science AI 大潮已至，科技部親自下場出大動作

點擊：作者：緩緩來源：大數據文摘微信號發布時間:2023-03-30 11:06:59

大數據文摘轉載自HyperAI超神經

作者：緩緩

3 月 27 日，據新華社報道，為貫徹落實國家《新一代人工智能發展規劃》，科技部會同自然科學基金委近期啟動「人工智能驅動的科學研究」( AI for Science )專項部署工作。

「AI for Science 有可能推動我們在下一輪科技革命中走在前沿。」中科院院士、北京科學智能研究院院長、自然科學基金委「下一代人工智能」重大研究計劃專家組組長鄂維南對此作出預判。

新一輪科學革命如何彎道超車？

北京科學智能研究院副院長、深勢科技創始人兼首席科學家張林峰認為，人工智能驅動下的科學研究最大的特點是，它以一種前所未有的方式，將不同學科、不同背景的人們連接在一起。「Al for Science 是一個學科與知識體系大重構的過程，既需要計算機、數據科學、材料、化學、生物等學科的交叉融合，也需要數學、物理等基礎學科進行更深入的理論構建和算法設計。」張林峰提醒，「當且僅當做好相關的融合，我們才有機會在新一輪科學革命中搶占先機。」

本次，我國布局 AI for Science 前沿科技研發體系，將緊密結合數學、物理、化學、天文等基礎學科關鍵問題，圍繞藥物研發、基因研究、生物育種、新材料研發等重點領域科研需求展開。對此，中科院自動化研究所所長徐波解釋說，新藥創制、基因研究、生物育種、新材料研發等領域，是人工智能與科學研究結合需求迫切、進展突出、具有代表性的重要方向。

比如，基于生物學機制、疾病和用藥相關數據、藥物的各種藥學性質等建立的人工智能模型，可預測新藥的安全性和有效性；通過人工智能輔助，可減少研發中的人力、物力和時間投入，提高藥物研發成功率。當人工智能賦能新材料研發后，可實現將電子尺度和分子尺度等多尺度材料計算模擬方法耦合，快速篩選符合目標性能的新材料成分和構型，壓縮新材料與器件研發周期和成本。

AI 新戰場：傳統科研領域

近年來，人工智能在科研領域被初步應用，越來越多的科學家自研或采用成熟的人工智能算法，輔助進行數據挖掘分析、建模、仿真、預測等科研工作，加快發現自然科學新規律、新模式，減少重復性人力工作，提升科學發現的準確性，顯著提高科研人員的工作效率。隨著人工智能技術和科學研究的結合愈發緊密，新興研究領域 AI for Science（人工智能科學研究）出現，并且從 2020 年開始，此新興領域進入集中爆發階段。

2021 年 1月，加州大學圣地亞哥分校等機構的研究者提出了一種名為「Multi-fidelity Materials Graph Networks」（多精度材料圖網絡）的機器學習方法，通過學習來自多種測量和仿真來源的數據，通過 AI 模型預測材料的特性。該方法能夠構建出具有普遍意義、更準確的「材料屬性模型」，從而幫助科學家篩選有研究前景的候選材料。

多保真度材料圖網絡處理材料學數據和進行屬性建模的方法

2021 年 7 月，DeepMind 發布的 AlphaFold 2，已能成功預測 98.5% 的人類蛋白質三維結構，且預測結果與大部分蛋白質的真實結構只相差一個原子的寬度，可達到以往通過冷凍電子顯微鏡等復雜實驗觀察預測的水平。12 月，這項研究被《自然》雜志評為2021 年度技術突破。

AlphaFold2模型在多種物質上預測結果的置信區間

同樣在 2021 年 7 月，華盛頓大學、哈佛大學等的研究者提出蛋白質結構預測算法 RoseTTAFold，該方法基于深度學習，通過在蛋白質序列信息的學習，能夠快速生成蛋白質的精確結構，減少傳統方法在實驗測定等方面投入的時間和精力。目前該算法已開源。

RoseTTAFold 中用于預測蛋白質結構的一系列算法架構

GitHub 地址：https://github.com/RosettaCommons/RoseTTAFold

2021 年 10 月，DeepMind 在《自然》雜志發表論文，通過與英國氣象局合作，將 AI 技術應用于降雨預測。研究者采用深度生成模型，可提前 5-90 分鐘預測 1536km×1280km 區域內的降水情況。與其他方法對比，該模型在 89% 的情況下中具有最高的準確度和實用性( Usefulness )。

DeepMind 提出的 AI 模型架構

除了國外取得以上相關領域研究成果之外，國內 AI for Science 的熱度同樣越來越高。

從政策層面來看，在這次科技部親自下場扶持之前，2022 年 5 月，國家發展改革委《「十四五」生物經濟發展規劃》明確把加快發展高通量基因測序技術，作為開展前沿生物技術創新的重要手段；支持采用人工智能等信息技術，實現藥物產業的精準化研制，進而通過生物技術與信息技術融合更好惠民。

從人才層面來看，眾多 AI 領域的大佬選擇投身此領域。本月中旬，CV 領域翹楚何愷明在 MIT 做學術演講過程中就曾談到接下來將重點關注 AI for Science，具體將聚焦視覺和 NLP 大一統做 self-supervised X+AI。

從成果層面來看，近日，來自中國科學院深圳先進技術研究院的研究團隊首次將數據驅動自動合成( Data driven automated synthesis )、機器人輔助可控合成( Robot assisted controllable synthesis )、機器學習促進逆向設計( Machine learning facilitated inverse design )用于膠體納米晶（例如鈣鈦礦）材料合成，探索構建了「機器科學家」平臺，有望將科研人員從傳統試錯實驗、勞動密集型表征中解放，聚焦科學創新，實現納米晶材料數字智造。