中化新网讯 “当前我们正处于第五次工业革命的起点，人工智能正在深刻地改变我们化学与材料领域的研究和发展范式。”8月17日，在烟台举办的化学与材料科学领域人工智能（AI）研讨会上，万华化学中央研究院副院长黄岐善指出，以化学与材料大模型为入口，AI辅助文献阅读与实验设计，通过高通量的实验平台、机器人化学家配合各种计算化学的创新方法，以及干湿实验构建大模型数据集创立而出的AI模型，正帮助我们更好地进行大规模材料筛选和新分子发现。
国家自然科学基金委化学部化学理论与机制学科项目主任沈祥建也指出，AI时代的到来改变了原先“试错法”模式，极大缩短了分子材料的研发时间，同时降低了人力成本。
据了解，机器学习是AI的核心，是使计算机具有智能的根本途径。它采用数值算法和统计模型，指导计算机系统在大量数据中找到规律，并利用这些知识作出预测或判断。“现在如果没有机器学习，我们基本上什么东西都做不下去了。”中国科学院张东辉院士在接受记者采访时表示，“通过海量数据，机器学习可以预测新材料的分子构型。它帮助我们进行降维，把高维空间非常复杂的问题简单化，让过去做不到的事情变得可以实现。”
然而，当前应用于化学与材料科学领域AI的发展尚存困难。“AI应用的关键瓶颈是数据，行业基本发掘完公开数据的红利。解决数据问题的路径在自动化与智能化的结合，核心是改变数据的产生方式。”深圳晶泰科技有限公司首席研究科学家杨明俊表示，“站在企业的角度，我认为还需要从商业模式、工程优化、多元素组合决策等方面做大量探索，形成业务－数据－模型的有效迭代。”
面对数据稀缺、材料理论模型过于简化两大难题，烟台京师材料基因组工程研究院陈跃博士表示，研究院开发出3项核心技术：计算化学辅助的材料数据重整技术（DRCS），破除材料数据匮乏的限制；理论化学强化的AI模型（AI-TEML），解决机器学习外推能力不足的缺点；基于小样本的材料进化系统，实现新材料的自动化、智能化迭代。相关技术成功应用于烟台显华科技集团股份有限公司的OLED光提取材料、电子传输材料、空穴传输材料的研究开发及产业化，现已孵化为“海森AI平台”，计划面向广大新材料企业进行应用推广。
材料AI的商业化前景如何？中国科学技术大学教授江俊表示，目前这一产业仍处于初步阶段，拥有诸多机遇，但也存在研究盲区。他强调，未来学界对模型开发的侧重点应从“绝对准确”转向“需求对接”，站在应用端角度思考，抓住“预训练”与“主动学习”两项关键，通过人机协同增强AI模型在化工新材料领域的实用性。
本次会议由烟台京师材料基因组工程研究院主办，国投科技创新有限公司烟台基地承办。北京师范大学教授陈雪波、北京大学教授杨槐、华东师范大学教授朱通、东南大学教授周蛩桦、中国科学院化学研究所副研究员敖宇飞、北京师范大学教授申林，以及中石化石油化工科学研究院有限公司副研究员欧琪等专家学者，烟台显华科技集团股份有限公司董事长丰佩川等企业专家出席作报告分享，并围绕机器学习预训练、模型迁移，面向未来的工业化应用方向等话题展开深度研讨。与会专家表示，正如张东辉院士所说，在现有海量的数据基础上进行创新，依靠人工模式已经很难走通。相信未来材料AI必将在医药、电子化学品、高分子材料等领域大放异彩，成为新质生产力创新发展的重要解决方案。
