《科创板日报》9月23日讯（记者 李佳怡）9月22日，由上海尚思自然科学研究院承办的“未来化学论坛”分论坛在上海成功举办。

本次论坛以“AI — Charting the Future of Chemistry Research”为主题，汇聚了来自中国科学院、复旦大学、上海交通大学、北京大学、西湖大学、日本东北大学等海内外顶尖科研机构的12位学者，围绕人工智能如何颠覆传统化学研究范式、推动化学智能系统发展、促进跨学科融合等核心议题展开深度对话。

中国科学院大连化学物理研究所教授杨学明在开幕致辞中指出，化学学科的发展拥有两大支柱，即实验（包含实验技术、实验方法、实验仪器）与理论（理论方法、理论模型）。而近年来，以数据驱动的人工智能正在改变这一研究逻辑，逐渐成为推动学科发展的“第三条腿”。

“对于化学学科来讲，要更好、更快解决学科中重大的科学和技术问题，如化学材料、新药等问题，是非常重要的。”杨学明强调，“而基于数据驱动的AI技术，为我们实现这样的目标带来了变革性的手段和工具。”

上海尚思自然科学研究院院长鲁白进一步提出，AI不应仅被视作工具，而会从根本上改变科研范式。他指出最好的科学需打破原来的理论传统，提出新观点、新理论、新方法以及颠覆性的技术等，而尚思研究院便成立于这一背景下，致力于支持“前沿性、开拓性、突破性、颠覆性”的科研项目。

在实践层面，AI也正在深刻改变化学家的工作方式。复旦大学刘智攀教授展示了其团队开发的LASP-AI平台，致力于将复杂的化学模拟变得像“点击鼠标”一样简单，展现了AI在提升科研效率、降低试错成本方面的巨大潜力。

日本东北大学教授李昊则介绍了其主导的“材料图灵计划”，以及其和团队搭建的覆盖催化、电池、储氢等9大材料的百万级别真实实验材料数据库+AI智能体平台“数字材料平台”。基于这些真实、洁净的数据训练的AI智能体，能够有效减少“幻觉”，进行更可靠的预测分析。

中国科学院大连化学物理研究所研究员张东辉，在“基于机器学习的高精度普适水分子力场的构建”的主题演讲中表示：“在现在AI时代，基于大数据的机器学习，极大提升了我们解决复杂高维问题的能力，使我们成功解决了之前难以解决的许多科学问题。”

上海交通大学教授张健在未来化学论坛上，则聚焦讨论了AI驱动的 First-in-class 药物研发，通过发展 Allosteric（变构）技术突破新靶标难成药问题，“从无到有”生成并优化产生多个靶标的候选新药。其中，P53 V220C靶标变构激动剂 NTS071 已在美国和中国 IND，为中国创新药研发从模仿创新到原始创新提供了参考。

尽管成果显著，专家们也指出AI赋能化学仍面临不少挑战，数据质量、算力限制、模型可解释性、跨尺度建模等均是制约AI在化学领域大规模应用的瓶颈。

会上，中国科学院化学研究所研究员江剑强调，纯数据驱动的人工智能模型产生的最大问题，即幻觉问题难以解决。“如果单纯依靠数据驱动进行化学实验，可能带来安全风险。因此，基于物理知识嵌入的人工智能模型是AI for Chemistry的重要发展方向。”

李昊也提到，在在回答稍复杂的科学问题时AI幻觉高达94%。通过收集高质量、创新数据并将其利用至AI大模型平台，能够尽可能将AI幻觉降到最低。

其团队在实施图灵计划过程中，组织全球百余人手动对过去的文献进行人工提取、挖掘、数据标注，搭建起AI平台，当前实验催化数据库数据超过40万条，理论催化数据超过50万条。

张东辉则明确指出：“缺乏数据、缺乏算法、缺乏很好的软件，这几要素在AI时代、在更广泛的物质领域是相对缺乏的。”

AI正深刻改写化学研究的规则书，但从工具到伙伴仍有长路要走。在算力、算法、数据协同进化的未来，化学家与AI的深度协作，或将成为解锁新材料、新药物、新反应的关键钥匙。