化学界有这样一个说法:chemistry可理解为chem is try,意思是化学要不断尝试。
而大众印象中的化学家也是这种形象——身穿白大褂,戴着口罩与护目镜,和助手们一起,在试管、烧杯、烧瓶间忙碌着。
不过,化学专业出身的叶盛教授,看起来不一般。因为他的“烧杯”是超级电脑,而他的助手,是时下最热门的人工智能。
叶盛在安徽大学(以下简称“安大”)人工智能学院,从事人工智能在量子化学领域的交叉研究。
人工智能、量子化学,听起来都充满未来感。
叶盛介绍,量子化学就是使用量子力学的计算方法,来描述、研究微观粒子的性质和行为,推断化学反应机制。
在化学实验中,化学反应演化过程的“过渡态”很难被记录,因为发生得太快了。而量子化学的出现,为研究这种微观尺度的超快过程提供了方法。它帮助化学家在实验前预测化学反应机制、成功率和生成物的性质,减少试错成本。
然而,使用量子化学技术去探索化学元素之间的复杂化学反应,要耗费大量的计算资源。
这时,化学家想到接入人工智能。
“化学问题最大的特点就是复杂度极高,而AI最适合处理高维复杂的问题,帮助我们理解或者演化物质性质和结构之间的关系,两者的碰撞有时会产生一些非常有趣的火花。”
叶盛自2016年开始从事相关研究。他是当时中国科学技术大学(以下简称“中科大”)化学物理系的博士生,主要科研项目是用量子化学研究蛋白质的光学性质与结构。
蛋白质是一切生命的基石。
许多至今难以攻克的疑难杂症,如阿尔茨海默病、帕金森病等,都是由于某些特定种类的蛋白质错误折叠而导致的。“能否预测蛋白质折叠”,被世界权威学术期刊《科学》列为125个最具挑战性的科学问题之一。
蛋白质实际上是由成千上万,甚至更巨量的原子组成。
传统的量子化学理论模拟很难处理这个庞然大物,这也严重限制了蛋白质结构在原子层面的精准研究。
恰恰此时,人工智能“阿尔法围棋”战胜人类世界围棋冠军的新闻引起叶盛的注意。
他想,人工智能能够处理围棋这样复杂的游戏,是不是也能处理同样复杂的化学问题呢?
叶盛立刻将这个想法汇报给导师,两人经过讨论后认为,这个思路大有可为。
然而,等到真正研究时,叶盛才发现,实践难度远比预想的大,因为当时利用人工智能技术研究自然科学的经验几乎为零。
没有参考,他完全是摸黑前行。
自己选的路,再累也要走下去,叶盛决定自学!
无论是国内外知名专家的《机器学习》公开课,还是中科大计算机老师的线下课程,他都找机会去听。
随着学习的不断深入,叶盛发现人工智能的基础架构编程和数学很像,都是在培养人的逻辑思维。
他还记得自己第一次写程序时,为了找到最适合的一组参数,花了一个星期时间,调试了几百次网络。
夜以继日的钻研中,叶盛进步飞快。
当叶盛在后方“训练”人工智能网络时,他的同学也在前方不停实验,将收集到的数据不断“喂”给人工智能,帮助人工智能学习、迭代、进化。
经过一年半的科研攻关,他们成功利用人工智能结合量子化学技术,在国际上首次实现了蛋白质紫外光学性质的精准预测,这是人工智能技术首次用于理论计算,预测蛋白质的光谱研究。
在现有成果和导师的不断鼓舞下,叶盛再接再厉,又相继发展了蛋白质红外光学性质的人工智能模拟方法。
对于蛋白质这样的大体量,他采用了“曹冲称象”的方式——将蛋白质拆分为片段,运用人工智能预测每个片段的性质,然后像拼积木一样,将它们组装回完整的蛋白质。
他们开发的模拟软件相较于传统的量子化学计算,在保证模拟精度的前提下,足足快了近五个数量级,也就是万倍的速度。目前,该软件已被中科大、南京大学、南欣医药技术研究院有限公司、美国加州大学尔湾分校、英国诺丁汉大学等国内外十几家机构应用。
从2016年人工智能与量子化学的研究成果不过百篇,到如今井喷式发展,叶盛认为,人工智能的巨大优势,就是拥有无限可能,能够研究那些复杂的化学问题。
当然,一项新技术肯定会面临质疑。人工智能是否安全?人工智能的虚拟画面是否符合物理世界的客观规律?虚拟生成的结果是否可靠?人工智能驱动的科学研究一定可以成功吗?这些讨论延续至今。
叶盛的课题组在一次投稿中,就曾受到专业审稿人的质疑。相较于传统的实验结果,这种新兴研究方法和研究成果要提供更多的实验佐证。为此,审稿人出具了十几页审稿意见,列出了一系列传统实验数据比对清单。
叶盛没有气馁。他将精力投入验证模拟结果的工作中。在收到审稿意见后的一个多月里,他每天都在做实验,比对实验数据。这场新兴技术与传统研究的碰撞,最终呈现为一份七十多页的报告,成功说服了审稿人。
叶盛在报告中说:“面对同一科学难题,解决之道绝非唯一。您的路径固然能够引领我们抵达目标,而我们通过人工智能所驱动的新型科学研究范式,同样能够开辟出一条通往成功的道路。这正是科学之魅力所在——其本质蕴含着无尽的多元化与包容性。人工智能并非传统科学的对立面,而是科学探索疆域中一条并行不悖、独具特色的新航道。”
人工智能驱动的科研之路比起传统科研之路,绝不轻松。叶盛认为,虽然人工智能可以推算出成千上万种可能,但人类永远是人工智能的守门员,要对生成的内容进行人工干预与筛选,找出最符合实际客观规律的可能性,进行验证。
验证得到的并不总是肯定的结果,叶盛有一项研究了两年的项目,最终因误差过大而放弃。
他深知科研是不断试错的过程,“科学的发展之路,从来都是机遇与挑战并存的征途。我们务必怀揣着将科学价值最大化的信念勇往直前,以期贡献于人类社会的长足进步。面对风险,我们不应退缩,而应视之为推动科学边界向前的动力,不断前行。而且,对于失败,我们可以用多元的眼光去看待。虽然有时候预设的目标进行不下去,但沿途中那些意外发现所开启的新探索,又何尝不是成功呢?”
叶盛一直用开放、多元的眼光去看待研究中的一切。
叶盛常鼓励自己的学生,一定要有灵活的思维:“这如同我们在解数学题时,面对几何图形的面积求解。初期,我们或许会直接用相应的公式得出答案,但当我们深入学习坐标系与函数后,便能以全新的视角和方法求解。”
这种思考模式,离不开数学对他的影响。在学生时代,他最喜欢的科目不是化学,而是数学。数学培养了他处理问题的逻辑思维,为他日后进行科学研究打下了坚实的基础。
那么,叶盛为何最终选择了化学呢?
一个很重要的原因是,叶盛是中国著名科学家钱学森的“粉丝”。在考研时,他报考了钱学森先生一手创办的中科大化学物理系。
钱学森是中国航天事业的奠基人,他突破美国的围追堵截、艰难回国投身科研的故事,我们耳熟能详。而今天,相似的故事依然在发生。
2016年,中国的芯片技术相较于国外仍有很大差距。最初,叶盛使用的超级计算机运算速度比较慢,无法满足科研需求。随着国外对我国技术封锁不断加剧,中国的企业、科研工作者们攻坚克难,不断突破瓶颈,让芯片迎来一次次迭代。
时至今日,中国“芯”的超级计算机,已经可以满足叶盛在科研工作方面的需求。他亲眼见证了中国超级计算机、中国芯片的快速发展!
随着又一年高考结束,新一代有志于科技报国的学子,走进大学,走向未来……面向未来,人工智能注定是浓墨重彩的一笔。多学科交叉融合的人才培养模式,也是未来的趋势。
叶盛也多次强调多学科交叉融合的重要性。他告诉记者,数学不仅赋予人们严密的逻辑运算能力,更为科学探索奠定了坚实的基石;物理与化学如同两把钥匙,能解锁现实世界中纷繁复杂的自然规律,帮助人们的认知边界不断拓展;计算机语言的编程思维,如同一位精密的工程师,可以训练人们将复杂的问题拆解成有序的步骤,高效解决问题;而语文与英语,则如同信息的采集器,不仅可以丰富人们的知识储备,更能在跨文化交流中架起桥梁。
从求学到科研,叶盛一直保持学习的习惯。量子化学的研究方向,本身就是物理、化学、数学的融合。而他在交叉的专业方向上又融合了人工智能,再次增加了自己的学习目标。现在,他每天下班回家后仍抽出两三个小时去读文献,了解研究领域内外的前沿科研方向。
“人工智能在如饥似渴地学习,我们作为人工智能的守门员,学习的脚步永不停歇。”
作者|庄园
编辑|高晨辰
校对|罗阳
校审|庄园
终审|夏冰
声明|文章部分图文版权归原创作者所有,如有侵权请与我们联系删除