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。”