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，带领科学研究从“作坊”模式转变到“平台科研”模式。这是中国科学院院士、北京科学智能研究院院长鄂维南的一个心愿。

鄂维南在2018年首次提出AI for Science，将机器学习引入科学建模，并在2021年成立了北京科学智能研究院，探索人工智能与科学研究结合的新可能。

3月29日，《中国科学报》记者走访了北京科学智能研究院，该院副院长李鑫宇向记者介绍：“目前科研团队存在着类似‘作坊’模式的重复建设情况，科研效率亟待提高。”

谈及如何从“作坊”模式转变到“平台”科研模式，李鑫宇举例解释道，在科研活动中，如材料研究，生物医药研究等研究，存在很多共性的研究工具，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，可以将这些共性的工具串连起来，构建为更实用的工具，提升原始创新的效率。

那么AI for Science为什么可以成为推动“平台”科研的新动力呢？李鑫宇指出，AI的发展是在算力、算法、数据极大丰富之后所发生的一个从量变到质变的新一轮突破，在此背景下，AI for Science将大大的提升原始创新的能力，以及创新到落地的转化能力。

“AI for Science最大的一个特点是，它以一种前所未有的方式，将不同学科、不同背景的人们联系在了一起。”北京科学智能研究院研究员戴付志结合自己的材料研究领域谈到，“在 Al for Science 中，我们既需要计算机、数据科学、材料、能源、化学等等学科的交叉融合，同时也需要数学、物理等这些基础学科的进行更加深入的理论构建和结合，所以 Al for Science 是一个跨学科大融合、大重构的一个过程。”

据介绍，北京科学智能研究院自成立以来，研究团队已经在多尺度科学计算模拟领域已攻克多项关键核心技术，并在机器学习驱动的密度泛函、分子动力模拟等领域处于国际领先水平。

“以上关键技术的突破将极大提高人类对于微观计算模拟仿真的利用能力，直接助力新医药、新材料的研发。”李鑫宇介绍，“2020年，研究团队首次将人工智能方法、高性能计算与物理模型相结合，首次实现上亿原子的高精度分子动力学模拟，获得当年国际高性能计算应用领域最高奖‘戈登·贝尔奖’。”

2022年12月，在上述研究工作基础上，北京科学智能研究院发布了首个覆盖元素周期表近70种元素的深度势能原子间势函数预训练模型—— DPA-1，将模拟上限提升至100亿原子数量级。2022年，北京科学智能研究院还发布了科学智能广场，推动整个科学计算领域步入平台化、社区化、规模化的新阶段。