久久99国产精品尤物-国产高清色播视频免费看-男生肌肌往女人桶爽视频-精品国产-91PORNY九色|www.jqdstudio.net

Science AI 大潮已至，科技部親自下場(chǎng)出大動(dòng)作

點(diǎn)擊：  作者：緩緩    來(lái)源：大數(shù)據(jù)文摘微信號(hào)  發(fā)布時(shí)間:2023-03-30 11:06:59

 

 

大數(shù)據(jù)文摘轉(zhuǎn)載自HyperAI超神經(jīng)

作者：緩緩

 

3 月 27 日，據(jù)新華社報(bào)道，為貫徹落實(shí)國(guó)家《新一代人工智能發(fā)展規(guī)劃》，科技部會(huì)同自然科學(xué)基金委近期啟動(dòng)「人工智能驅(qū)動(dòng)的科學(xué)研究」( AI for Science )專項(xiàng)部署工作。

 

「AI for Science 有可能推動(dòng)我們?cè)谙乱惠喛萍几锩凶咴谇把亍！怪锌圃涸菏?、北京科學(xué)智能研究院院長(zhǎng)、自然科學(xué)基金委「下一代人工智能」重大研究計(jì)劃專家組組長(zhǎng)鄂維南對(duì)此作出預(yù)判。

 

新一輪科學(xué)革命如何彎道超車？

 

北京科學(xué)智能研究院副院長(zhǎng)、深勢(shì)科技創(chuàng)始人兼首席科學(xué)家張林峰認(rèn)為，人工智能驅(qū)動(dòng)下的科學(xué)研究最大的特點(diǎn)是，它以一種前所未有的方式，將不同學(xué)科、不同背景的人們連接在一起?！?span lang="EN-US">Al for Science 是一個(gè)學(xué)科與知識(shí)體系大重構(gòu)的過(guò)程，既需要計(jì)算機(jī)、數(shù)據(jù)科學(xué)、材料、化學(xué)、生物等學(xué)科的交叉融合，也需要數(shù)學(xué)、物理等基礎(chǔ)學(xué)科進(jìn)行更深入的理論構(gòu)建和算法設(shè)計(jì)?！箯埩址逄嵝?，「當(dāng)且僅當(dāng)做好相關(guān)的融合，我們才有機(jī)會(huì)在新一輪科學(xué)革命中搶占先機(jī)?！?span lang="EN-US">

 

本次，我國(guó)布局 AI for Science 前沿科技研發(fā)體系，將緊密結(jié)合數(shù)學(xué)、物理、化學(xué)、天文等基礎(chǔ)學(xué)科關(guān)鍵問(wèn)題，圍繞藥物研發(fā)、基因研究、生物育種、新材料研發(fā)等重點(diǎn)領(lǐng)域科研需求展開(kāi)。對(duì)此，中科院自動(dòng)化研究所所長(zhǎng)徐波解釋說(shuō)，新藥創(chuàng)制、基因研究、生物育種、新材料研發(fā)等領(lǐng)域，是人工智能與科學(xué)研究結(jié)合需求迫切、進(jìn)展突出、具有代表性的重要方向。

 

比如，基于生物學(xué)機(jī)制、疾病和用藥相關(guān)數(shù)據(jù)、藥物的各種藥學(xué)性質(zhì)等建立的人工智能模型，可預(yù)測(cè)新藥的安全性和有效性；通過(guò)人工智能輔助，可減少研發(fā)中的人力、物力和時(shí)間投入，提高藥物研發(fā)成功率。當(dāng)人工智能賦能新材料研發(fā)后，可實(shí)現(xiàn)將電子尺度和分子尺度等多尺度材料計(jì)算模擬方法耦合，快速篩選符合目標(biāo)性能的新材料成分和構(gòu)型，壓縮新材料與器件研發(fā)周期和成本。

 

AI 新戰(zhàn)場(chǎng)：傳統(tǒng)科研領(lǐng)域

 

近年來(lái)，人工智能在科研領(lǐng)域被初步應(yīng)用，越來(lái)越多的科學(xué)家自研或采用成熟的人工智能算法，輔助進(jìn)行數(shù)據(jù)挖掘分析、建模、仿真、預(yù)測(cè)等科研工作，加快發(fā)現(xiàn)自然科學(xué)新規(guī)律、新模式，減少重復(fù)性人力工作，提升科學(xué)發(fā)現(xiàn)的準(zhǔn)確性，顯著提高科研人員的工作效率。隨著人工智能技術(shù)和科學(xué)研究的結(jié)合愈發(fā)緊密，新興研究領(lǐng)域 AI for Science（人工智能科學(xué)研究）出現(xiàn)，并且從 2020 年開(kāi)始，此新興領(lǐng)域進(jìn)入集中爆發(fā)階段。

 

2021 年 1月，加州大學(xué)圣地亞哥分校等機(jī)構(gòu)的研究者提出了一種名為「Multi-fidelity Materials Graph Networks」（多精度材料圖網(wǎng)絡(luò)）的機(jī)器學(xué)習(xí)方法，通過(guò)學(xué)習(xí)來(lái)自多種測(cè)量和仿真來(lái)源的數(shù)據(jù)，通過(guò) AI 模型預(yù)測(cè)材料的特性。該方法能夠構(gòu)建出具有普遍意義、更準(zhǔn)確的「材料屬性模型」，從而幫助科學(xué)家篩選有研究前景的候選材料。

 

 

多保真度材料圖網(wǎng)絡(luò)處理材料學(xué)數(shù)據(jù)和進(jìn)行屬性建模的方法

 

2021 年 7 月，DeepMind 發(fā)布的 AlphaFold 2，已能成功預(yù)測(cè) 98.5% 的人類蛋白質(zhì)三維結(jié)構(gòu)，且預(yù)測(cè)結(jié)果與大部分蛋白質(zhì)的真實(shí)結(jié)構(gòu)只相差一個(gè)原子的寬度，可達(dá)到以往通過(guò)冷凍電子顯微鏡等復(fù)雜實(shí)驗(yàn)觀察預(yù)測(cè)的水平。12 月，這項(xiàng)研究被《自然》雜志評(píng)為2021 年度技術(shù)突破。

 

 

AlphaFold2模型在多種物質(zhì)上預(yù)測(cè)結(jié)果的置信區(qū)間

 

同樣在 2021 年 7 月，華盛頓大學(xué)、哈佛大學(xué)等的研究者提出蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)算法 RoseTTAFold，該方法基于深度學(xué)習(xí)，通過(guò)在蛋白質(zhì)序列信息的學(xué)習(xí)，能夠快速生成蛋白質(zhì)的精確結(jié)構(gòu)，減少傳統(tǒng)方法在實(shí)驗(yàn)測(cè)定等方面投入的時(shí)間和精力。目前該算法已開(kāi)源。

 

 

RoseTTAFold 中用于預(yù)測(cè)蛋白質(zhì)結(jié)構(gòu)的一系列算法架構(gòu)

 

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

 

2021 年 10 月，DeepMind 在《自然》雜志發(fā)表論文，通過(guò)與英國(guó)氣象局合作，將 AI 技術(shù)應(yīng)用于降雨預(yù)測(cè)。研究者采用深度生成模型，可提前 5-90 分鐘預(yù)測(cè) 1536km×1280km 區(qū)域內(nèi)的降水情況。與其他方法對(duì)比，該模型在 89% 的情況下中具有最高的準(zhǔn)確度和實(shí)用性( Usefulness )。

 

 

DeepMind 提出的 AI 模型架構(gòu)

 

除了國(guó)外取得以上相關(guān)領(lǐng)域研究成果之外，國(guó)內(nèi) AI for Science 的熱度同樣越來(lái)越高。

 

從政策層面來(lái)看，在這次科技部親自下場(chǎng)扶持之前，2022 年 5 月，國(guó)家發(fā)展改革委《「十四五」生物經(jīng)濟(jì)發(fā)展規(guī)劃》明確把加快發(fā)展高通量基因測(cè)序技術(shù)，作為開(kāi)展前沿生物技術(shù)創(chuàng)新的重要手段；支持采用人工智能等信息技術(shù)，實(shí)現(xiàn)藥物產(chǎn)業(yè)的精準(zhǔn)化研制，進(jìn)而通過(guò)生物技術(shù)與信息技術(shù)融合更好惠民。

 

從人才層面來(lái)看，眾多 AI 領(lǐng)域的大佬選擇投身此領(lǐng)域。本月中旬，CV 領(lǐng)域翹楚何愷明在 MIT 做學(xué)術(shù)演講過(guò)程中就曾談到接下來(lái)將重點(diǎn)關(guān)注 AI for Science，具體將聚焦視覺(jué)和 NLP 大一統(tǒng)做 self-supervised X+AI。

 

從成果層面來(lái)看，近日，來(lái)自中國(guó)科學(xué)院深圳先進(jìn)技術(shù)研究院的研究團(tuán)隊(duì)首次將數(shù)據(jù)驅(qū)動(dòng)自動(dòng)合成( Data driven automated synthesis )、機(jī)器人輔助可控合成( Robot assisted controllable synthesis )、機(jī)器學(xué)習(xí)促進(jìn)逆向設(shè)計(jì)( Machine learning facilitated inverse design )用于膠體納米晶（例如鈣鈦礦）材料合成，探索構(gòu)建了「機(jī)器科學(xué)家」平臺(tái)，有望將科研人員從傳統(tǒng)試錯(cuò)實(shí)驗(yàn)、勞動(dòng)密集型表征中解放，聚焦科學(xué)創(chuàng)新，實(shí)現(xiàn)納米晶材料數(shù)字智造。

 

 

機(jī)器人輔助膠體納米晶數(shù)字智造自動(dòng)化平臺(tái)

 

2023 年 3 月 2 日，該研究以「A robotic platform for the synthesis of colloidal nanocrystals」為題，發(fā)布在《自然-合成》( Nature Synthesis )上。

 

論文鏈接：https://www.nature.com/articles/s44160-023-00250-5

 

AI for Science：機(jī)遇與挑戰(zhàn)并存

 

與大家耳熟能詳?shù)纳墒?span lang="EN-US"> AI 不同的是，AI for Science 涉及生物制藥、能源、材料研發(fā)等科研領(lǐng)域，并不能即刻讓大眾上手體驗(yàn)相關(guān)成果，但其對(duì)前沿科研所施加的加速作用，卻會(huì)對(duì)人類社會(huì)和經(jīng)濟(jì)發(fā)展有更為基礎(chǔ)和深遠(yuǎn)的影響。

 

不過(guò)，也需看到，AI for Science 所具備的全面、深層次革新價(jià)值，亦讓它面臨遠(yuǎn)高于人們常見(jiàn) AI 應(yīng)用的落地壁壘。據(jù)阿里達(dá)摩院2022 年十大科技趨勢(shì)報(bào)告中顯示，人工智能與科研深度結(jié)合仍然需要重點(diǎn)解決三方面挑戰(zhàn)：

 

* 人機(jī)交互問(wèn)題，AI 與科學(xué)家在科研流程上的協(xié)作機(jī)制與分工需要更加明確，形成緊密的互動(dòng)關(guān)系；

 

* AI 的可解釋性，科學(xué)家需要明確的因果關(guān)系來(lái)形成科學(xué)理論，AI 需要更容易被理解，以建立科學(xué)與 AI 之間的信任關(guān)系；

 

* 交叉學(xué)科人才，專業(yè)領(lǐng)域科學(xué)家與 AI 專家的相互理解程度低，彼此互相促進(jìn)的障礙仍然較高。

 

值得關(guān)注的是，報(bào)告中還作出預(yù)測(cè)，在未來(lái)三年內(nèi)，人工智能技術(shù)在應(yīng)用科學(xué)中將得到普遍應(yīng)用，在部分技術(shù)科學(xué)中開(kāi)始成為研究工具。

 

參考文章：

[1]https://baijiahao.baidu.com/s?id=1761512222605101709&wfr=spider&for=pc

[2]https://new.qq.com/rain/a/20221230A04ZWS00

[3]https://www.ncsti.gov.cn/kjdt/kjrd/202112/P020211231640762390337.pdf

[4]《達(dá)摩院2022十大科技趨勢(shì)》

 

文章來(lái)源于HyperAI超神經(jīng) ，作者HyperAI超神經(jīng)