第一节 本文背景以及Data-Centric AI 概念的重要性

数据是AI的基础，Data Centric AI 这个概念其实非常重要，我国也重视起来了，十五五规规划我们国家的国家战略也提出要求建立高质量数据集。具体在化学材料领域有如下应用：材料基因数据库没有催化剂相关领域数据库，目前库帕思公司在开展相关研究工作，在具身智能（机器人等等）仿真数据实验室已经在上海浦东新区张江镇模力社区办公楼最顶层实验室已经在最近两年落成了。所以以后有了这些数据积累的基础，结合AI+科学技术，AI for science，就不需要人工去介入做实验了。

 今天主要聚焦化学材料领域的应用（AI for Chemstry 和AI for Material Science）只要配置如下基础设施，全国最多只需要10000-20000张英伟达H200的GPU芯片去做虚拟实验仿真来模拟不同情况下的压强，温度，酸碱活性的指标最终可以得到化学反应相关的反应会发生的最佳的阈值（benchmark）.就在今年在美国Washington DC举行的英伟达Nvidia GTC大会上有人提出未来AI会成为科学研究的工人，这就是AI+科学技术在化学教学，化学学科科学和化学教育中的应用。

第二节 AI+化学研究的原理（化学反应中催化剂研究为例）

化学催化剂推动化学反应加快但不参与反应的原理和方法其实有以下的三种：热催化，光催化，电催化。AI+科学技术（AI for science）模拟化学反应用的科学研究范式其实是用第四范式（数据科学范式）+第三范式（科学研究用数学仿真模拟数据）最终推导出了第五范式（AI for science, 刘铁岩石老师提出，我在多篇文章中提及）稍微扩展一点点, AI for Science还需要依赖以下两个学科：第一个是物理学的基础理论：技术硬件突破，摩尔定律，量子物理尤其是量子计算包括了（囚禁离子，超冷原子，中性原子，量子信息安全，海森堡不确定性原理）等等的基础理论研究。第二个是AI的原理的研究，也是基础理论研究：

第一个例子是：Deepseek为什么会成为震惊世界的大模型：Deepseek的底层原理：MoE，Reinforcement Learning with Human Feedback，蒸馏模型（Still Model）。

第二个例子是：下围棋打败人类的Google Deep Mind团队的Alpha Zero和Alpha GO，其实Baidu文心一言也是一样的, 百度非常快推出Baidu文心一言产品的原因是他们在NLP理论和聊天机器人技术架构也早已成熟，国外大模型发布后火了以后在国内率先发布模型成为第一个国产大模型。

有了这些理论基础以后我们对于AI真正应用于科学研究才有信心，AI+科学技术，AI for Science可以应用于材料发现，生物发现，新药发现。

第三节 AI+科学研究的痛点和难点

但现在AI技术还不太成熟，有一些让大家担心的地方比如说：

大模型LLM的幻觉仍然存在（可解释性还没有被解决，依然存疑）需要如下技术介入：RLHF（Reinforcement Learning with Human Feedback），由此引发的AI应用于科学研究会有如下问题和难点：

AI+科学技术的难点中最重要的最紧迫的是这个难点：数据溯源比较困难，由于AI大语言模型（LLM）生成内容的底层技术是高等概率论，具体来说是大学学的条件期望和条件概率代表有一定随机性。

因此，AI4S在知识产权界定方面会有AI伦理问题，因为大语言大模型（LLM）从数学本质上来说是不带函数映射的，简单来说就是不是依依映射（可能多对一，可能一对多，不是中学里我们学的1-1 correspondence）（就是上面说的：数据溯源比较困难，由AI大语言模型（LLM）生成，底层技术是高等概率论，条件期望，条件概率，带有一定随机性）,所以说可解释性比较差难以应用于对于合规要求比较高的金融行业，但是在AI+科学技术对于科学规律的寻找和初期探索方面（EXPLORATARY ANALYSIS）还是挺不错的。

这就涉及另一个问题：科学研究的原创性成果如何界定知识产权的归属：

1. 老范式是科学研究是老科学家自己人肉推理公式做实验写论文带团队最后形成学术成果。

2. 新范式是年轻科学家用科学研究的第四范式（数据科学研究）加上第五范式（AI+科学技术，AI for science）去做科学方面的研究包括寻找规律，探索科学公式（物理学，化学，生物学，材料学，医学等等），做干实验和湿实验（为主），赋能用AI for Science来帮助做科学实验。但是最终得到的只是一种定律（theory）或者说是理论，不一定完全对，会有一定的限制条件和科学假设以及应用范围有待进一步验证,由此引发的AI for science在医疗数据尤其是新药物研发的过程中尤其需要重视以下的问题：首先是不当虚假医疗，其次是虚假保健品。其次，我国上海市这边的医疗数据现在建设的比较好，数据局都有备案而且是免费开放大约8PB 数据量的规整医疗数据，只要等待垂类靠谱医疗数据大模型。

最近还有朋友和我讨论AI伦理方面的其他问题，比如说是：

1. 硅基生命统治碳基, 碳基让位硅基，Biology for AI

5. 2019年豆瓣上火遍全网的穿越人，KFK穿越回现在是如何穿越的，用的是量子物理中数据穿越，平行时空宇宙的概念。

6. 还有人甚至结合了中国传统文化中的三元九运及时上元，中元，下元。说下元九运最后一年是公元的2044年，有人说，《推背图》上说：硅基生命统治碳基, 碳基让位硅基就是从2044年逐渐开始发展有苗头。我觉得这些说法不太专业又有一点可爱和搞笑。

[1]  百团百项｜“AI+化学”迎来爆发时刻：上海科学家打造原子级“超级大脑：

https://mp.weixin.qq.com/s/PvYksd5NmUWAB5YwAR2mgQ

[2]  百团百项｜AI辅助发现新分子突破电池寿命极限：

https://mp.weixin.qq.com/s/p6l5_jUJwJtDbuNpZPWrEg

[3]  AI伦理和AGI时代专业问题联系：Yoshua Bengio（约书亚 • 本吉奥）的中国学生浦江实验室的付杰老师（GitHub开源代码仓库链接: 

AI for Science在化学材料研究领域的应用

本文主要聚焦化学材料领域的应用（AI for Chemstry & Material Science）只要基础设施全国最多1-2万张英伟达H200，GPU芯片卡去做虚拟实验仿真来模拟不同情况的压强，温度，酸碱活性的指标最终可以得到化学反应相关的反应会发生的最佳的阈值benchmark.

高级项目经理

云计算

人工智能

大数据

Data-Centric AI推动化学材料研究革命，国家战略支持高质量数据集建设。AI+Science通过虚拟实验模拟化学反应，优化催化剂研究。文章探讨AI在热/光/电催化中的应用，分析数据溯源、知识产权等挑战，展望AI伦理与科学研究的未来发展方向。

AI驱动 智领未来

tencentdb-catalog

4核4G3M云服务器 新用户低至38元/年！

文章

问答

视频

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

AI for Science在化学材料研究领域的应用

AI for Science在化学材料研究领域的应用

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐