推動AI與科學研究的深度融合，可顯著縮短科研周期、降低研發成本、提升創新效能

用AI（人工智能）“設計”出全新的鋰載體分子，“注射”進廢舊衰減的鋰電池中，讓其“滿血復活”；借助大數據和AI，快速找到帕金森疾病的靶點、篩選出“適配”的小分子藥物……近來，復旦大學科研團隊接連在國際頂尖科研雜志發表系列成果。尤其值得關注的是，這些成果背后都有一個共同的隱形助手——AI。該校從2022年底起就開始全面推動AI與科學研究的深度融合（AI for Science，以下簡稱“AI4S”），目前AI4S科研團隊已逾百個。

伴隨新一代AI技術的蓬勃發展，特別是大模型的出現和快速迭代，AI4S已成為科研創新的重要驅動力，在芯片設計、生物醫藥、材料能源、天文氣象、自動駕駛等領域取得了一系列重大創新突破。2024年諾貝爾物理學獎和化學獎均授予AI相關研究的學者，充分彰顯了AI在科學研究上的重要價值。

實踐表明，AI已成為繼實驗、理論、計算之后的科學研究新范式。推動AI與科學研究的深度融合，可顯著縮短科研周期、降低研發成本、提升創新效能。

我國科研人員已在多個領域開展“人工智能驅動的科學研究”。中國科學技術大學化學與材料科學學院江俊團隊借助自主研發的“機器化學家”，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。按照傳統研究范式，這一過程可能需要1400年。中山大學與阿里云合作研究，利用云計算與AI技術發現了180個超群、16萬余種全新RNA病毒，大幅提升了業界對RNA病毒多樣性和病毒演化歷史的認知。

與此同時，相關部委和地方也積極推進人工智能驅動的科學研究。2023年2月，科學技術部會同國家自然科學基金委啟動“人工智能驅動的科學研究”專項，緊密結合數學、物理、化學、天文等基礎學科關鍵問題，布局前沿科技研發體系。北京、上海、四川、廣東、浙江等地也紛紛進行相關部署。

當然，AI4S畢竟是近幾年興起的新事物，在實踐過程中還面臨高質量數據獲取、算法可解釋性、治理和倫理等卡點堵點。業內專家指出，今后需對癥下藥，加強系統布局和統籌指導，大力支持相關主體建設科學智能創新中心、協調算力資源和科研數據集，積極持續探索AI在科學研究領域示范應用。

問題所在也是潛力所在。我國在AI技術、科研數據、算力資源和多樣化應用場景等方面基礎較好，為AI與科學深度融合提供了有力支撐。相關各方協同發力、加快推動AI與科學研究的深度融合，一定能為加快實現高水平科技自立自強作出更大貢獻。