AI for Science：站在科研范式的转折点上

在本文中，我们将主要探讨以下几个话题：

01 为什么AI能极大地助力科学研究？

▎科研的第五范式

人类科研范式的发展是一个螺旋式上升的过程——最初是基于观测数据归纳的经验范式，以开普勒为代表，他通过观察和简单的数学计算，发现了行星运动的定律；接着是第一性原理驱动的理论范式，代表人物是牛顿，即从事物的本质出发，发现事物的规律，并用方程来描述；随着数据量越来越大，再回到计算范式、数据驱动范式。

数据驱动的方法尽管可以有效地通过数据发现事实，但是不能很好地帮助人们找到事实背后的原因。基于第一性原理列出的数学方程，则往往不好解。AI4S这种融合第一性原理驱动和数据驱动的第五范式应运而生。

一个简单的方程可以帮助你理解第五范式。

𝑋=𝑋(𝜃) + 𝜖

蓝色的𝑋(𝜃)是某个描述物理世界的理论方程，但基于实验观测列出的理论方程必然存在能力边界，无法完全精准地还原物理世界（即绿色的X），所以会存在一个𝜖，代表理论和实际间的残差。

这就到了AI大放异彩的地方。简单来说，AI不仅可以帮助计算残差，还能帮助求解理论方程𝑋(𝜃)。

可能有人会说，我用过ChatGPT，有时它说出来的话很不靠谱 ，AI诚然有强大的生成和输出能力，但它本质还是一个猜测机器。ChatGPT的语言生成都是按照一定的概率计算出来，猜测机器往往会出错，用于科研难道没问题么？

没错，但问题也能解决。我们在使用AI工具增强科学研究能力的同时，只要结合科学验证，就能把“垃圾”过滤掉，留下有用的部分。

事实上，当前AI已经被广泛应用于科学的各个领域。基于AI的算法，可以极大地提高第一性原理进行建模的效率和准确性。通过提供新的实验设计、更准确和高效的实验表征算法，甚至新的实验设备，AI还可以改进我们做实验的方式。

比如在数学领域，数学家会利用计算机辅助计算、提出猜想和进行数学证明；比如在物理领域，AI可以在量子力学和经典的粗粒度模型之间架起一座桥梁，将不同尺度的物理模型有效连接起来；比如在化学领域，AI被用于设计化学分子或化学反应；又比如在生物领域，AI被用于设计生物分子或药物；在材料领域，对AI的使用加速了新材料的探索、设计、合成与优化……

可以说，AI4S正成为推动科技革命和新质生产力发展的核心之一。

▎下一次科技革命，将是数字和原子世界的深度融合

如果我们回看人类此前经历的工业革命和电气革命，二者的创新进展大都是随牛顿力学体系、热力学理论、麦克斯韦电磁场理论等宏观物理定律的建立而催生的。

然而进入微观世界后，一切都不一样了，宏观物理定律或许不再好用。于是，专门用于解释微观世界物理规律的量子力学应运而生，开启了第三次科技革命。可以说，量子力学诞生后，人类正式进入了微观范式。此后，半导体技术飞速发展，计算机越来越普及，互联网和移动互联网技术日新月异，AI技术不断突破，科技创新从物理世界逐渐转向到数字世界。

然而，按照康波周期，或者螺旋式上升的发展规律，下一次科技革命可能会从数字世界回到物理世界，当然最有可能的，还是数字世界和物理世界的深度融合。一旦要在物理世界实现创新，对微观粒子（电子、原子、分子）的测量、计算、调控和制造就变得至关重要。

这正是AI可以大显身手的领域，从狭义角度来看，AI4S可以研究微观粒子和其之间的相互作用，也就是研究微观世界的底层规律，这也是物理世界的重要基础。AI4S将推动下一次科技革命。

何谓微观世界？

微观与宏观相对，一般指肉眼看不到的尺度。物理学里的微观，是指原子尺度小于零点几纳米；生命科学里的微观，一般是匹配生物大分子的尺度，例如几个纳米到几十个纳米；材料科学里的微观，则是指材料直径小于10个纳米（1纳米等于一百万分之一毫米）。

举个例子。

如果碳原子按照蜂巢晶格的片状结构排列，就是石墨烯。如果按照呈正四面体连接成无限的三维骨架，就是金刚石。同样是碳原子，但因为排列和相互作用方式不同，就会有不同的性能。而在碳的基础上，继续加上氢、氧、氮，并以一定形式排列，就组成了双螺旋结构的DNA，即整个生物学的构成基础。

所以我们会说，研究微观就是在研究不同物质的分子组成（或者是序列）。我们关心分子的结构、动态，以及由结构和动态形成的功能。

如果用传统物理计算的方式来算分子模拟，会面临“维度灾难”，即随着变量的增加，问题的复杂度会呈指数级增长。特别是面对大系统和长时间尺度的模拟，不仅耗时高、模拟成本高，也很难算准。

在量子力学建立之时，英国物理学家狄拉克就曾乐观地预言，寻求基本原理的任务已大体完成，但因为其数学问题太复杂，变量函数太多，当变量个数增加时，计算量呈指数级增加，故而用基本原理来解决实际问题会非常困难。

例如各类多体问题，药物和材料设计、蛋白质折叠、湍流、塑性力学和非牛顿流体力学等，即便用上超级计算机也非常难以精确求解。所以，很长一段时间，人们会认为科学里有些问题就是没法算的，因为维度真的会高到爆炸。

AI特别擅长解决高维的数学问题。就像鄂维南院士2022年5月在《再谈AI for Science》报告中提到的，解决高维的数学问题，恰恰是深度学习或者说AI擅长的，深度神经网络对高维函数提供了有效的逼近方法。因为当利用神经网络逼近函数时，模型需要的参数和维度无关。

举个简单的例子。AI擅长图像识别，图像识别就是一个高维的问题。比如一个分辨率为32×32的图像，它的维度就是32×32像素，每个像素有三种颜色，那就大概是一个32×32×3=3072的维度。与之形成对比的是，人类能解的经典方程式是波尔兹曼方程，它在形式上是一个维度为7的微分积分方程，其涉及到七个独立变量：三个空间坐标、三个速度坐标以及时间。

02 AI的突破性发展，驱动AI4S

为什么我们最近越来越感觉到AI4S的重要性？这主要得益于近几年AI的突破和溢出效应。

▎基础设施（infra）革命

作为AI基础设施的领导者，这些年英伟达GPU的迭代速度逐渐突破摩尔定律的限制，推动了计算的蓬勃发展。2024年6月，英伟达CEO黄仁勋在computex 大会上讲到，过去八年来，AI的运算速度增长了1000倍，能耗降至原来的1/350。AI的发展，极大地拓宽了科技创新的边界。

▎算法革命

综上，在当下这个时间点，AI4S能发展起来的重要前提是算法和算力都实现了巨大的突破。在此基础上，越来越多的科研人员开始将AI用于科研的各个环节。

03 AI怎样被嵌入科研全流程？

一般情况下，科研的全流程主要包括几步：首先，提出一个科学假设；接着，通过实验获取数据，对数据进行分析，看是否符合此前提出的假设。如不符，就修改科学假设，继续实验、分析、调整，直到完成对假设的验证。

这个过程中的每一步，AI都能发挥重要作用。AI已经被广泛用于学习实验数据中的表征、精修测量结果、生成科学假设、指导实验和利用agent（智能体）实现自动化、探索理论空间等。

AI4S可以解决不少领域的问题。它可以用于天气预报、电池设计、制药领域的高通量虚拟筛选等等，既可以解决极其宏观的问题，也可以解决非常微观的问题，例子见下图。

AI4S大概可以分为三种类型。

▎数据驱动为主 （AI+数据）

代表案例是DeepMind公司开发的蛋白质结构预测算法AlphaFold2。AlphaFold2完全是数据驱动的，没有用到任何物理模型，输入蛋白的序列（更准确的说是Multiple Sequence Alignment，简称MSA，多序列比对），就能得到蛋白的结构。

当今年诺贝尔物理奖颁给研究人工智能的科学家时，在峰瑞内部，我们开玩笑地猜，AlphaFold2会得诺贝尔化学奖。

为什么？一方面，因为结构决定功能，结构极其重要，而蛋白的结构预测是结构生物学、药物研发等领域的圣杯。

另一方面，因为这是第一次通过计算方法达到了实验的精度。此外，过去60年间，人类通过实验手段测得了20万个蛋白的结构，AlphaFold2在不到3年时间里就成功预测了数亿个蛋白质结构，这意味着实现了万倍以上的效率提升。

AlphaFold2之所以能够成功并准确预测，原因之一是引入了多序列比对（MSA）的数据。过去数十年间，随着生物技术的不断发展，人类已经积累了巨量的宏基因组数据。这使得我们可以对某个蛋白去做蛋白质序列的多序列比对，即分析和比较同一蛋白在不同物种（人、猪、鸡、鱼、真菌、细菌等）中序列的异同。也就是说，结构比序列更保守，序列的变化模式也提示了结构信息。

某种程度上可以说，AlphaFold2是一个完全基于数据的、以多序列比对为条件约束的蛋白结构生成模型。具体而言，用户只需输入蛋白质序列的数据，AlphaFold2就能通过其强大的算法和模型，计算出高度准确的三维结构，就如同借助了先进的统计机器来高效地完成蛋白质结构预测。

此前，大家经常有个疑问：AI驱动的各种模型到底能不能精准地解决问题。在我看来，AlphaFold2给了我们很大的信心，因为它就是一个用AI把蛋白质结构预测做得特别好的例子。

▎模型驱动为主 （AI+物理模型）

模型驱动为主的AI4S，是用AI来连接、处理各种尺度的物理模型或者基本原理。

这些物理模型和基本原理通过常规方法往往难以求解，或者说当前的数据量不足以来实现有效观测和计算的，例如薛定谔方程、波尔茲曼方程、密度泛函、分子动力学、量子力学等等。

我们在上面提到过，数据驱动的AlphaFold2能够成功的一个前提，是有相关的海量数据。然而在很多领域，一个典型的难题恰恰在于数据的匮乏。此时，AI4S的任务是，帮助求解物理模型，从而解决问题。

以深势科技的深度势能面计算来举例：

利用密度泛函或者量化计算来计算势能，是一个复杂度为O(N³)的问题，其计算量和复杂度随着粒子数量的增加迅速变得无法承受。深势科技利用AI对高维势能面进行高效采样，AI结合量化计算，把复杂度降到了O(N)。

具体而言，上图左下三个蓝色的球，代表势能面上的3个点，可以用物理基本原理的方法分别较为准确地算出势能面上3个点的能量，然后让神经网络去学习精准物理计算的结果，得到一个深度势能的神经网络。那么下一次如果还需要计算势能面上某个点的能量时，就无需再调用量化计算，AI已经可以自行完成计算并直接输出答案，实现量化计算的精度+经验力场的速度，既准又快。

▎模型和数据深度融合 （AI+物理模型+数据）

第三种类型是将观测、测量的数据和（物理+AI）模型深度融合，常被用于药物设计、天气预报、受控热核反应等领域。

以我们峰瑞投资的创新企业剂泰医药为例。

剂泰医药利用AI设计LNP（即脂质纳米颗粒）。LNP是一种具有均匀脂质核心的脂质囊泡，用于递送核酸药物，避免其在递送过程中的降解和提前释放。新冠的mRNA疫苗就是采用LNP递送的。

LNP将活性分子以适当的浓度，在适当的时间，递送到正确的位置。这是一个跨尺度的复杂过程。这个过程涉及多个不同的尺度范围：分子和纳米尺度、细胞尺度、器官尺度。

在分子和纳米尺度，要考虑阳离子脂质的成分，以及数以万计的分子如何组装成LNP颗粒；在细胞尺度，要考虑LNP如何进入细胞，以及在胞内是否会发生内涵体逃逸，避免药物发生降解而失效；在器官尺度，需要对LNP和血浆蛋白的相互作用进行模拟，预测血管外渗和器官靶向性质等。

在对这个过程进行研究和分析时，AI可以快速生成分子设计用的百万量级的脂质库；AI也可以预测递送效果，为实验设计提供指导；而物理模型可以提供微观层面的物理机制解释，例如，预测某种LNP能否发生内涵体逃逸；真实的实验数据成为模型最终的判据和迭代的根据，来不断完善和优化模型。AI+物理模型+数据共同推动LNP递送技术的发展。

04 AI4S在化学、生物、材料领域的具体应用

在数学和物理学领域，AI4S主要适用于解决基础问题；在化学、生物和材料领域，利用AI来发现新药、发明新材料、生成新分子，则有着强大的产业前景和商业潜力。

▎AI制药，已进入2.0阶段

AI制药是AI4S的重要应用领域与分支。它是指利用AI技术对药物研发、药物设计、药物筛选、临床试验和药物生产等各个环节进行创新和优化。我们认为，经过近十年的发展，AI制药已经迈进了2.0时代。

2016年起，“IT+BT（生物计算）”就是峰瑞资本的投资主题之一，我们也因此完整地参与了国内AI制药1.0时代的投资热潮与行业发展。

AI制药1.0时代和2.0时代有什么区别？

主要还是以算法的变革来划分。AI1.0是判别式AI，AI2.0则是生成式AI。对照到AI制药领域，我们可以不太严谨地划一条线，2022年以前成立的AI制药公司主要基于判别式AI，属于AI制药1.0时代的公司；2022年后成立的AI制药公司，则主要基于生成式AI，属于AI制药2.0时代的企业。

1.0时代的公司大多瞄准药物研发的临床前阶段，并集中在小分子药物发现领域。在生物医学领域，小分子通常指的是分子量小于500道尔顿的有机化合物，例如由苯环、羧基和乙酰基等部分组成的阿司匹林分子；而大分子通常指的是分子量超过1000道尔顿的生物分子，包括蛋白质、核酸、多糖等。

其实，用AI做小分子药物研发算是挑了一个极具挑战的题。在10的-10次方米的尺度下，要精准刻画小分子和蛋白的相互作用是非常困难的。既没有足够多高质量的数据，AI还属于初代的判别式AI，很多团队其实是用“物理+AI”的方法来弥补相对薄弱的技术底层。

不成熟的工具，加上最难的命题，确实是“Hard”模式。

从“Hard”模式起步，不止发生在AI制药领域。类似的，AI在医疗影像领域的应用一开始是奔着直接替代医生去的，初代自动驾驶目标也都定在L4级别（汽车能够实现完全自动驾驶）……但做着做着，经过非常多年的发展，期间也会经历泡沫破裂，在技术越来越成熟的同时，大家设定的目标反而会越来越收敛。

回到AI制药。1.0时代的公司的主流商业变现路径包括软件服务、CRO、药物管线开发。整个AI制药行业在2022年达到融资高峰后开始遇冷。不过，头部公司仍然活得不错。除了企业家精神与团队能力，这些头部公司还受益于上一轮资本周期中流动性相对充足，巨额的资金集中流向了它们，比如晶泰科技在IPO前累计融资额高达7.32亿美元，英矽智能融资额超过4亿美元。

如果资本退潮延续下去，80%的公司可能都会因融不到足够的资金而倒下。可就在大家觉得行业正在面临价值重估的时候，新的技术突破可能会再一次带领我们杀出了重围。

过去两年内，技术发展日新月异：

我们有一个有意思的观察，过去几年AI制药公司的PMF（product-market-fit）按照小分子-大分子-小分子的方向在发生变化，这也是一个螺旋式上升的过程。

1.0时代的公司很多是在研究小分子，而上述我们提到的这些技术进步主要发生在大分子。以人类能够利用AI预测单体蛋白结构和进行从头蛋白设计为标志，AlphaFold3的诞生，利用diffusion在全原子尺度去学习生物分子间的相互作用，特别是小分子和蛋白的结合，又让关注点重新回到小分子。

此外，技术的进展也从研究分子的结构，延展到研究生物分子之间是如何相互作用、组成分子机器，并产生功能。这也正是结构生物学关注的核心。

如今，AI制药企业可及中的工具显然比1.0时代要更多和更好了。做个粗略和激进的估计，1.0时代的底层技术可能也就相当于当下的1/5至1/10？且技术还在快速迭代中，这怎能让人不对未来十年充满期待？

据不完全统计，目前国内大概有一百来家AI制药企业，估计最后能够上市或者有机会走向市场的是极少数。其中，峰瑞早期参与投资的晶泰科技于2024年6月在港交所上市，是港股18C，也是AI制药第一股。晶泰科技还被纳入香港恒生指数成份股。

假若这批公司里最终能有5-10家企业成功上市，那么，按照当前技术发展日新月异的程度，未来十年应该会有更多诞生于AI2.0时代的AI制药公司能上市，或许会是一个三到五倍的数量。

这也是峰瑞一直在持续关注这个领域的原因。因为技术的大变化，往往会带来商业机会。我们看好AI制药1.0时代的公司把最新的模型用到其有积累、有优势的应用场景里，也看好乘着AI2.0浪潮而起的制药公司们依托更前沿的技术来做创新。

▎AI 在生物领域的应用机遇

整体而言，AI在Biotech中的应用，可以分为三个层次：

一是GPT驱动的自然语言处理的进步，直接应用于生物医疗知识的提取。我们有大量生物和药物研发相关的知识，BioGPT、BioLLM这类擅长理解生物学概念的大语言模型，可以非常有效地从科学数据和文献中提取出知识和关键点。比如我们可以让大语言模型阅读3000万篇文献的摘要，然后从中发现一些此前未被发现的知识连接。

二是聚焦于计算生物大分子本身，沿着DNA-RNA-Protein的路径，来预测和设计这些生物分子的序列-结构-功能。

三是生物分子相互作用的计算，包括蛋白和蛋白的相互作用，蛋白和小分子的相互作用，或者蛋白的折叠过程。这也正是AF3在解决的问题。

在明确了要解决的问题之后，再来看AI for bio的三个主要技术前沿——以David Baker为代表的蛋白设计RF diffusion、Deepmind的AlphaFold2与AlphaFold3、多模态生成大模型ESM3。整体而言，这三条技术路线都是从只能做结构预测，到最后能够设计生物分子。

接下来，我们来逐一解释。

简单来讲，RF diffusion是使用去噪扩散概率模型，通过逐步降噪的方式来设计蛋白质。

去噪扩散概率模型最初是用于音频或图片的生成。如下图，通过在猫的图像上不断添加高斯噪声，使得图像最终变成一个高斯分布的纯噪声。训练AI去预测降噪的结果，当AI学会了逐步降噪，你就可以输入一个纯噪音，利用逐步降噪，生成类似图像的数据分布。

有趣的是，去噪扩散概率模型是受非平衡热力学的启发。

举个例子，将一滴墨水滴入水中，墨水会在水中形成一个斑点，渐渐散开。想要直接模拟墨水刚滴到水里未扩散前的初始状态的概率密度分布，是十分困难的。但随着墨水逐渐在水中完全扩散开来，分布变得均匀，其概率密度分布是好算的。非平衡热力学的作用在于，它能将墨水扩散过程中每一步的概率分布都描述出来。

由于扩散过程的每一步都可逆，所以只要“步子”足够小，就可以从简单的分布倒着推断出最初复杂的分布。

去噪扩散概率模型非常适合蛋白设计。David Baker团队将原有的折叠算法RoseTTAFold，巧妙地用扩散模型的方式进行训练微调，通过蛋白数据库（PDB）中大量真实的蛋白质结构数据加以训练。最初，RFdiffusion会产生许多“噪声”，接着通过反向的渐进式“去噪”，可以生成多种类似于已有，实则全新的蛋白质。

这就是AI4S奇妙的地方：物理学中的热扩散原理启发了AI中的Diffusion model，然后这个算法又被用于做蛋白分子的设计。AI和科学互为上升的引擎。

蛋白设计的工作流程，包括主链设计-序列设计-计算筛选-实验验证等，每一步都有不同的计算工具。

David Baker组做出了一系列突破，除了上述的用RF diffusion进行主链设计外，还发明了利用MPNN进行序列设计的算法，利用AlphaFold2或者RoseTTAfold进行计算过滤后再来进行实验筛选。经过AlphaFold2筛选的设计，通过实验验证的概率大增，这极大地提高了蛋白设计的效率。

下图都是RF diffusion和RoseTTAFold设计出来的一些在癌症免疫和病毒等领域非常重要的靶点。如果不使用这样的工具，可能费很大功夫还无法找到这些能够执行特定任务的蛋白质，而这些蛋白质都是潜在的成药分子。

正是凭着RF diffusion和ProteinMPNN，David Baker在2023年启动了创业公司Xaira Therapeutics，还请来了有着“生物产业科技起点”之称的基因泰克公司的首席科学官、斯坦福大学前校长Marc Tessier-Lavigne担任CEO。Xaira在种子轮就拿到10亿美元的融资，也是整个生物技术领域有史以来最大的融资之一。

AlphaFold2的架构: MSA + Transformer

在大语言模型中，我们会用到RAG（检索增强生成）技术。它是一个为大模型提供外部知识源的概念，使大语言模型（LLM）能够生成准确且符合上下文的答案，同时能够减少模型幻觉。当我们向模型提出一个问题时，虽然检索的是这句话，但模型会从数据源中检索相关信息，得到一系列跟这句话相关的信息，然后把这些全部作为给大语言模型的提示，相当于给模型喂了更多的知识，帮助它更好地输出答案。

MSA（多序列比对）与RAG类似，模型会把同源蛋白的序列比对，作为模型的附加输入。

此外，Alphafold2还利用这一波AI里最大的创新，即transformer架构，实现了端到端的预测，并能更好地处理长序列中隐含的序列和结构的关联。

AlphaFold3: AlphaFold2 + diffusion

AlphaFold3在AlphaFold2的基础上，增加了Diffusion模块，取代AlphaFold2中的结构模块。

所以，我们可以说AlphaFold3就是一个以序列（MSA）为条件的结构生成模型，同时使用了Transformer、RAG和diffusion。

AlphaFold3的出现之所以让大家特别激动，是因为人们发现在预测蛋白-小分子复合物结构的性能上，可能比基于物理的分子对接的方法更准。

在AI制药1.0时代，大家通常认为AI是不靠谱的，用物理的方法更准确。即便到现在，找与某个靶点结合的小分子的主流的做法是分子对接。但AlphaFold3可能会改变这种状况。当你输入蛋白的序列和小分子的SMILES文件后，模型可以在几秒的时间里给出共折叠的结构。

也正因为如此，AlphaFold3表现出了非常强大的商业潜力。2024年初，Isomorphic Labs（Deepmind孵化的以制药为目标的新公司）宣布与礼来和诺华签署了两笔总价值近30亿美元的大额订单。

第三个前沿是直接用多模态的生成大模型“暴力”地进行计算。代表是EvolutionaryScale公司推出的蛋白质语言模型ESM3。

ESM3能够灵活地选择在序列、结构、功能上做提示（prompt），从而实现蛋白分子的生成。ESM3的训练数据集非常庞大，包含超过27.8亿种天然蛋白质，并通过合成数据增强到31.5亿个序列，还包含2.36亿个结构（实验测定再加上AlphaFold2预测），以及5.39亿个带有功能注释的蛋白质，token总数达到7710亿。

开发团队在三个规模上训练了ESM3模型：分别为14亿、70亿和980亿参数。他们发现，随着模型参数规模的增大，模型的性能越好，证明了scaling law的有效性。

这也说明了数据化是至关重要的。其实AlphaFold能做成，一个前提是因为测序技术的进步，我们积累了巨量的测序数据来做多序列比对，补足了我们在结构信息上的不足。此外，AI输出的结果，也需要通过实验来验证。

综上，这三种技术路线每条都在快速迭代中，三者都是在互相竞争中互相启发，共同进步。RF diffusion是在AlphaFold2（Rosettafold）的基础上，用扩散训练的方式微调而来，AlphaFold3是在AlphaFold2的基础上，加入了diffusion的模块，减少了对MSA的依赖。最终，它们可能都会收敛到一条相似的路径，一个生物大模型。

峰瑞在生物医药+生成式AI领域也有投资布局。其中，衡昱生物就致力于利用生成式AI来设计RNA分子。2024年6月，衡昱生物公布了其开发的全球首个生成式AI设计mRNA药物的技术平台GEMORNA。相关文章在Science审稿中。衡昱生物也是国内首个在Nature正刊上发表mRNA文章的公司。

▎AI在材料领域的应用

材料是物理世界的基础。每次大的科技革命，都离不开材料的革新。过去，重要的材料包括铁、铜、水泥、和钢；现在的支柱材料则包括硅、C-H、N等元素组成的各种半导体和高分子材料，以及生物分子。未来，纳米、生物基高分子、量子材料也有机会成为重要的材料。

新材料的发现和模拟，离不开AI。以GNoME为例。

2023年底，谷歌DeepMind的AI工具GNoME结合图神经网络和主动学习，成功预测了220万种晶体结构。其中38万个稳定的晶体结构有望成为实验合成的候选材料，为超导体、超级计算机供电等一系列未来技术的革新和发展助力。

和生物分子由序列表征不同，材料或晶体适合用图来表征。GNoME采用了一种先进的图神经网络（GNN）模型。在对材料进行了有效的表征后，利用DFT+主动学习的方式来进行筛选。与此同时，使用密度泛函理论（DFT）来量化计算晶体的能量，在这个过程中，AI可以帮忙简化计算，最终显著提高发现速度和效率。

得益于GNoME的强大能力，人类已知稳定材料的数量增长了近10倍，达到42.1万种。

DeepMind还称，GNoME已发现了528 种有应用前景的锂离子导体，其中一些可能有助于提高电动车电池的效率。

从新能源汽车电池到太阳能电池，再到计算机芯片等众多领域，新材料的发现将极大地加速技术层面的突破。

新材料自主发现合成系统（无人实验室）是材料领域当前发展的重要方向。无人实验室致力于达到科学工作流程自动化的效果。它将机器人技术与从头计算的数据库、机器学习驱动的数据解读、从文本挖掘的文献数据中学习得到的合成启发式方法，以及主动学习相结合，以优化粉末形态新型无机材料的合成。

比如美国劳伦斯伯克利国家实验室与谷歌DeepMind团队合作开发自主实验室系统A-Lab，由人工智能指导机器人制造新材料，在17天里连续开展355次实验，合成了58个目标化合物中的41个，成功率达到71%，远高于人工实验的成功率。

▎AI在化学领域的应用

代表案例是ChemCrow。

此前我们提到过大语言模型本身缺乏外部知识来源，所以RAG（检索增强生成）技术能发挥价值，当我们向模型提出一个问题时，虽然检索的是这句话，但模型会从数据源检索相关信息，得到一堆跟这句话相关的话，然后把这些话全部作为给大语言模型的提示，相当于给模型喂了更多的知识，帮助它更好地输出。

基于类似的逻辑，来自洛桑联邦理工学院（EPFL）和美国罗切斯特大学的研究团队开发了一款能够完成有机合成、药物发现和材料设计等多种化学任务的语言模型代理ChemCrow。

ChemCrow在大型语言模型GPT4的基础上，集成了13种专家设计的工具，有的是做合成的，有的是做规划的，有的是做测量的……。从结果看，GPT4+专家工具的组合拳，不仅增强了大语言模型在化学方面的表现，还可以自主执行化学合成任务，极大加快了化学和材料科学领域的研究进展。该团队也获得了Google前CEO Eric Schmidt的资助。

我们可以看到，AI正如火如荼地运用于生物、材料、化学等诸多领域，但总体来看，AI在生物领域的应用步伐是遥遥领先的——已经有第一代商业公司完成了上市，后起之秀也在前赴后继。