分类：论文发表指南 时间：2025-05-21 热度：401
2025年5月9日晚，由北京大学物理学院、北京现代物理研究中心主办的“北京大学物理学科卓越人才培养计划讲堂：名师面对面”(第三十八期)在北京大学理科教学楼108教室举行。北京大学讲席教授、国际机器学习研究中心主任、科学智能学院名誉院长，北京科学智能研究院学术委员会主任鄂维南院士应邀讲授“人工智能驱动的科学研究(AI for Science)”。本期讲堂由北京大学物理学院院长、北京现代物理研究中心主任高原宁院士主持。
鄂维南开宗明义地指出，科学研究的根本使命在于揭示客观规律与解决实际问题，由此衍生出两种经典的研究范式——开普勒范式与牛顿范式。二者各具特色：开普勒范式是基于数据驱动的归纳法，在记录并系统分析观测数据的过程中总结科学规律，其典型范例当属行星运动开普勒定律的发现。虽然现代统计方法与机器学习技术极大强化了这一范式发现规律的能力，但其在揭示规律内在机理方面仍存在局限性。牛顿范式追求的是从基本原理出发理解物理世界，在牛顿力学、电磁场理论、量子力学等重大突破中展现得淋漓尽致。正如狄拉克所言，除极端尺度下的物理现象(如粒子物理与原子核物理等)外，人类已掌握了研究大部分物理和全部化学现象的基本物理定律，真正的挑战往往在于：相关理论方程因过于复杂而难以精确求解，迫使科学家不得不采用经验性的近似方法，从而牺牲结果的精确性与普适性。
鄂维南指出，AI for Science是以机器学习为代表的人工智能技术与科学研究深度融合的产物
值得注意的是，应用数学的发展轨迹与这两种科学范式高度契合。20世纪50年代以来，随着计算机技术的突飞猛进，人类以多项式逼近理论为基础，运用差分法、有限元法、谱方法等数值计算技术，首次大规模地实现了直接求解麦克斯韦方程、纳维-斯托克斯方程、波动方程等基本原理方程，并广泛应用于结构力学、航空航天、气象预报、石油勘探与开采等领域，奠定了现代工业发展和关键技术革新的基础。然而，面对材料设计、药物研发、催化剂设计等涉及多尺度、高维度的复杂问题，传统计算方法仍显得力不从心。
新一代人工智能技术的崛起和蓬勃发展正在引领科学研究范式变革。2018年8月，全球第一个以AI for Science为标题的研讨会在北京大学举办;2021年9月，北京科学智能研究院作为全球第一个以AI for Science为使命的新型研发机构应运而生。以深度学习为代表的人工智能技术，通过构建高效的高维函数逼近方法，不仅为海量数据分析提供了新手段，更实现了计算精度与计算效率的协同突破——这种“两手抓、两手都要硬”的技术能力使得诸多传统计算方法难以企及的科学难题迎刃而解。
从生命的基本组成到世界工业的基本材料，再到各个科学技术领域，AI for Science不只是解决具体问题的有力工具，更是重新定义科学问题的系统性思路。例如：蛋白质结构是理解生命机理、进行药物设计的基础科学问题。深层思维(DeepMind)公司开发的神经网络方法“阿尔法折叠”(AlphaFold)在学习冷冻电子显微镜等复杂仪器测定信息的基础上，成功预测出2.2亿种蛋白质结构，且将计算模拟精度提升至实验结果的水平，彻底改变了蛋白质结构解析的技术路线。又如：微观粒子间相互作用的模拟仿真是理解物理世界运行原理、进行材料设计的基础科学问题。深度势能分子动力学算法(DeePMD)集跨尺度建模、高效采样、高性能计算等尖端技术之大成，依靠量子力学模型提供训练数据，运用深度神经网络拟合高维势函数，在保持第一性原理精度的前提下，将分子动力学的计算速度提升至少5个数量级，实现了数十亿原子规模体系的高精度计算模拟。
实现AI for Science的第三条途径是深度融合模型驱动与数据驱动的方法，既可以从数据中凝练出经验性原理，也可以使用基本原理仿真出数据;也就是说，科学领域的数据与原理在一定程度上可以接近无损转化——这一点恰恰是AI for Science与大语言模型等其他方向相比较的独特优势。
鄂维南说，AI for Science正在促使科学研究从“作坊”模式向“平台科研”模式转变
鄂维南在带领同学们全面梳理AI for Science的发展沿革、底层逻辑、核心要素、应用案例之后，提出AI for Science时代下探索人工智能基本原理的框架和研发下一代人工智能系统的技术路线，重点阐释了建设基础设施(指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，通常称为“四梁”)和在先进材料、能源化工、航空航天、生物医药等领域广泛赋能工业应用(通常称为“N柱”)的新思路。
AI for Science是年轻的事业，也是年轻人的事业
课后，鄂维南逐一解答了大模型“幻觉”、神经网络混沌现象、人工智能芯片、可工业级应用的算法、数据隐私与安全等同学们感兴趣的问题。他特别强调，我国需要探索符合国情的人工智能发展道路，通过打破专业壁垒，构建跨学科知识体系和组织高效、开放的协同创新，培养兼具数理思维能力、工程实践能力、社会洞察力的复合型创新人才，为科学研究范式变革提供高层次人才支撑。
物理学院党委书记刘雨龙，核物理与核技术全国重点实验室王大勇长聘副教授、刘畅助理教授，共青团北京大学委员会“形势与政策”课程部分学生，物理学院博士研究生培优计划2023级部分入选者等现场出席。
鄂维南(一排右五)、高原宁(一排右四)、刘雨龙(一排右三)等期望同学们把握AI for Science“源自中国、面向未来、引领世界”的机遇，在新一轮科技革命和产业变革中坚定地走在最前沿
