专访北京科学智能研究院

A：　北京科学智能研究院（以下简称“研究院”或“AISI”）致力于将人工智能技术与科学研究相结合，加速不同科学领域的发展和突破，推动科学研究范式的革新，建设引领世界的人工智能驱动科学研究「AI　for　Science」基础设施体系。

AISI的研究人员汇聚了来自国内外顶尖高校、科研机构和科技企业的优秀青年人才，共同聚焦物理建模、数值算法、人工智能、高性能计算等交叉领域的核心问题，以共同的初心和愿景，共同探索人工智能与科学研究结合的新可能。

A：　回溯到2018年，当时鄂维南院士在北京大学提出发展“AI　for　Science”。先说科研范式，理论、实验都属于科研范式。而梳理科技史可以发现，一个新的科研范式的出现必将带来新的科研工具，再催生新的研发流程、乃至新的业态。

那么，在当下时代，当遇到一个科学问题时，AI能否帮我解决呢？“AI　for　Science”就是一种新的科研范式，其切入点在于用人工智解决高维问题。算法分为两类，一是数据算法，如图像识别、自然语言处理等。二是物理模型算法，研究对象如力学、化学、生命科学、材料科学等。而第二类所代表的高维问题是制约人类以底层模型模拟世界的最大问题，也是AI　for　Science　的潜在应用领域。

“AI　for　Science”　将带来科研新模式（从“作坊”到“平台”）、计算新工具（实验与模拟能力大幅提升）、研发新流程（从盲目试错走向理性设计）、产业新生态（产业需求驱动的原始创新闭环）。先用AI学习、解决事物底层的科学原理、科学问题，再进一步解决这些科学原理、科学问题所映射的工业问题。

2020年，鄂维南院士团队及合作者在“AI　for　Science”范式驱动下，在国际上首次将人工智能、物理建模与高性能计算深度融合，获得了全球高性能计算应用领域最高奖项——戈登·贝尔奖。第一性原理分子动力学以其高精度和算法复杂著称，长期以来，其计算的空间尺度和时间尺度都受到了算法和算力的限制。但这项成果却将分子动力学极限提升了数个量级，达到了上亿原子的体系规模，同时仍保证了「从头算」的高精度，且模拟时间尺度较传统方法至少提高1000倍。这是历史上首次将第一性原理精度的分子动力学做到最大规模，是科学家第一次将机器学习、科学计算、高性能计算整合在一起并发挥到极致。

A：　AISI愿景是建设引领世界的「AI　for　Science」基础设施体系，推动科学研究走向“平台科研”，提升原始创新能力，解决行业的真问题。

A：　我们以构建“平台科研＋垂直整合”模式为指导，加速构建下一代科研范式下的基础设施。围绕AI　for　Science基础设施构建思路（“四梁N柱”），研究院持续进行技术创新。“四梁”包括基本原理与数据驱动的算法模型和软件系统；高效率、高精度的实验表征系统；替代文献的数据库与知识库系统；高度整合的算力平台系统。以“四梁”为支撑，面向国家重大战略需求，聚焦产业关键问题，赋能工业应用的实际场景（概括为“N柱”），如生命科学领域的新药发现，以电池材料设计为代表的能源材料体系的研发、下一代半导体材料设计、高性能显示材料体系的研发、空天发动机燃烧模拟等，研究院贴近实际应用需求，拆解和攻克相关科学问题，优化相关领域的研发流程，助力提升产业研发效率。

▲“四梁N柱”架构，推动迈向“平台科研”。受访者供图。

A：　人才的引进与培养，以及留住优秀的科研人才是一个多层次的过程，AISI主要从以下几个关键方面来做好人才的“选、育、用、留”。

首先是提供有竞争力的福利以及激励机制，除了基本的薪资和福利，研究院还设立了科研奖励和荣誉称号，以表彰科研人员的突出贡献。

其次，AISI营造良好的研究环境，在垂直整合、鼓励自由思想碰撞和跨界合作的学术环境下，创建一个开放、包容和合作的科研文化，鼓励跨学科合作和自由交流。同时提供良好的科研条件和支持，确保科研人员能够专注于他们的研究工作。

此外，AISI注重科研人员的个人发展，提供各种培训和交流访问机会，帮助科研人员不断提升自己的技能。

A：　科技成果转化的困难和堵点有以下几个方面：一是转化过程中往往缺乏持续的资金支持；二是很多时候实际需求不明确或变化快，科技成果是否满足实际需求是转化成功的关键。所以需要我们需要去找到需求点，找到关键问题。同时成果转化还需要与高校、研究机构和企业建立合作，集多方优势和力量来共同推进转化进程。

A：　研究院围绕AI　for　Science基础设施构建思路（“四梁N柱”）持续进行技术创新。秉承“通力协作、相互成就、和而不同”的思路，合作一批行业参与者，其中包括产学研各方，共建AI　for　Science创新体系，解决行业的真问题。通过AI4S基础设施的共建与应用，以及AI　for　Science开源社区平台，链接高层次、跨学科人才，促进更多的学术合作与交流，培养交叉学科人才。

▲2024科学智能峰会物质科学论坛。受访者供图。

A：　与首都科技发展集团（下文简称“首发展”）的合作中，我们首先感受到其高效的管理和执行能力，接触到的成员都是非常注重细节和认真负责的，因此无论是交流还是合作都是感觉非常专业与高效的。首发展以其丰富的经验和资源为研究院的提供了很多支持。此外，首发展开放的合作态度，也让双方的合作与沟通更加顺畅，从而能更顺利的共同制定最佳的合作方案。

A：　外部环境的变化和挑战是一直客观存在的，但这些对于AISI来说既是机遇也是挑战，需要我们能灵活快速应对。我认为有以下几个方面是可以分享的：

最重要的是不断提升自身的科研能力，这为AISI应对各种挑战提供了稳定的内核。此外，AISI会持续关注与分析外部环境中的趋势和事件，进行快速评估，迅速识别潜在的机会和挑战，并做出相应的调整。研究院灵活的组织机制与架构，也便于促进快速的方向调整决策和高效的协作落地。

与此同时，我们长期沉淀的与多个高校、研究机构和企业的合作交流网络，也为资源共享和信息交流提供了基础，有助于通过生态协作来应对快速变化的外部环境。

A：　2023年底，北京科学智能研究院发布开放式科学智能领域科学计划“大原子模型计划（OpenLAM）”，旨在通过建立开源开放的围绕微尺度大模型的生态，与全球科研人员共同攻克复杂体系原子尺度研究的关键难题，为微观科学研究提供新的基础设施，推动材料、能源、生物制药等领域微尺度工业设计的变革。该计划同时得到了诺贝尔奖获得者、中国科学院院士等10位国内外顶尖科学家的专家顾问的支持，目前已有超过30家海内外科研单位参与共建。

此外，DeepModeling开源社区，已覆盖20＋个国家，社区成员过万人。研究院已经与多个国际科研机构的进行交流合作，这些合作不仅促进了学术交流，还有利于推动人才的培养。

▲DeepModeling　Hackathon颁奖典礼。受访者供图。

A：　在AI　for　Science的领域还面临着很多挑战，需要我们持续的解决，首先这个领域一个挑战和难点就是高度的跨学科特点，要不同学科领域的人才合作，同时团队内也既需要科研人员，也需要工程化人员，对于所有人员的快速学习以及协作交流能力也提出了很高的要求。因此研究院对于培养具备AI和科研双重专业知识的人才尤为重视。

另一个挑战就是开展这些AI　for　Science基础设施建设的资源成本挑战。我们希望AI　for　Science的协同创新机制能够更加完善，从而夯实基础设施建设，形成产研结合的底层技术突破和迭代式发展，响应快速变化的环境与需求。