“當前我們正處于第五次工業革命的起點，人工智能正在深刻地改變我們化學與材料領域的研究和發展范式。”8月17日，在煙臺舉辦的化學與材料科學領域人工智能（AI）研討會上，萬華化學中央研究院副院長黃岐善指出，以化學與材料大模型為入口，AI輔助文獻閱讀與實驗設計，通過高通量的實驗平臺、機器人化學家配合各種計算化學的創新方法，以及干濕實驗構建大模型數據集創立而出的AI模型，正幫助我們更好地進行大規模材料篩選和新分子發現。

國家自然科學基金委化學部化學理論與機制學科項目主任沈祥建也指出，AI時代的到來改變了原先“試錯法”模式，極大縮短了分子材料的研發時間，同時降低了人力成本。

據了解，機器學習是AI的核心，是使計算機具有智能的根本途徑。它采用數值算法和統計模型，指導計算機系統在大量數據中找到規律，并利用這些知識作出預測或判斷。“現在如果沒有機器學習，我們基本上什么東西都做不下去了。”中國科學院張東輝院士在接受記者采訪時表示，“通過海量數據，機器學習可以預測新材料的分子構型。它幫助我們進行降維，把高維空間非常復雜的問題簡單化，讓過去做不到的事情變得可以實現。”

然而，當前應用于化學與材料科學領域AI的發展尚存困難。“AI應用的關鍵瓶頸是數據，行業基本發掘完公開數據的紅利。解決數據問題的路徑在自動化與智能化的結合，核心是改變數據的產生方式。”深圳晶泰科技有限公司首席研究科學家楊明俊表示，“站在企業的角度，我認為還需要從商業模式、工程優化、多元素組合決策等方面做大量探索，形成業務－數據－模型的有效迭代。”

面對數據稀缺、材料理論模型過于簡化兩大難題，煙臺京師材料基因組工程研究院陳躍博士表示，研究院開發出3項核心技術：計算化學輔助的材料數據重整技術（DRCS），破除材料數據匱乏的限制；理論化學強化的AI模型（AI-TEML），解決機器學習外推能力不足的缺點；基于小樣本的材料進化系統，實現新材料的自動化、智能化迭代。相關技術成功應用于煙臺顯華科技集團股份有限公司的OLED光提取材料、電子傳輸材料、空穴傳輸材料的研究開發及產業化，現已孵化為“海森AI平臺”，計劃面向廣大新材料企業進行應用推廣。

材料AI的商業化前景如何？中國科學技術大學教授江俊表示，目前這一產業仍處于初步階段，擁有諸多機遇，但也存在研究盲區。他強調，未來學界對模型開發的側重點應從“絕對準確”轉向“需求對接”，站在應用端角度思考，抓住“預訓練”與“主動學習”兩項關鍵，通過人機協同增強AI模型在化工新材料領域的實用性。

本次會議由煙臺京師材料基因組工程研究院主辦，國投科技創新有限公司煙臺基地承辦。北京師范大學教授陳雪波、北京大學教授楊槐、華東師范大學教授朱通、東南大學教授周蛩樺、中國科學院化學研究所副研究員敖宇飛、北京師范大學教授申林，以及中石化石油化工科學研究院有限公司副研究員歐琪等專家學者，煙臺顯華科技集團股份有限公司董事長豐佩川等企業專家出席作報告分享，并圍繞機器學習預訓練、模型遷移，面向未來的工業化應用方向等話題展開深度研討。與會專家表示，正如張東輝院士所說，在現有海量的數據基礎上進行創新，依靠人工模式已經很難走通。相信未來材料AI必將在醫藥、電子化學品、高分子材料等領域大放異彩，成為新質生產力創新發展的重要解決方案。