第180次-- 科学与技术前沿论坛

主题报告

关于如何推进 AI for Science 的一点思考
鄂维南中国科学院院士北京大学

AI for Science 已经得到广泛认可。但是它究竟会怎样改变我们的科研范式？怎样推进AI for Science最为有效？未来我们需要什么样的科技创新和人才培养体制机制？报告人将就这些问题谈一谈自己的一些想法。
AI for Sciencehttp://videozh.cas.cn/masvod/public/2025/09/05/20250905_19918e6378c_r36_1200k.mp4
马维英教授清华大学

近年来，人工智能（尤其是生成式人工智能和大型语言模型）的快速发展推动了自然语言处理和计算机视觉等领域的重大进展。这一成功激励研究人员利用人工智能在生物学、化学、能源和材料科学等领域中进行科学发现和探索。例如，生成式人工智能正在通过分子生成、新药研发和蛋白质设计等方面的快速技术进步改变了生物学。此外，人工智能在设计新化合物和材料方面的应用有可能改变传统方法，从而带来范式转变。本次演讲我将介绍我所在的科研团队在AI for Science领域的一些最新工作，并探讨人工智能将如何塑造新科学和相关智能产业的未来。
AI蛋白质建模和设计-ByteDance Research的探索
李航 ByteDance Research

David Baker、Demis Hasabis 和John Jumper 三人因为他们在蛋白质设计和蛋白质结构预测方面的卓越贡献，荣获 2024 年诺贝尔化学奖。这一成就堪称科学史上的重要里程碑，充分显示出运用人工智能（AI）技术进行蛋白质建模和设计已达到极高水准。未来必将对制药、医疗健康等领域产生极为深远的影响。在过去的两年中，ByteDance Research 开展了基于AI技术的蛋白质相关的研究。其目标是充分运用深度学习技术，如扩散模型技术，实现更出色的蛋白质建模与设计。具体来说，从蛋白质动态构象建模、基于冷冻电镜数据的蛋白质 3D 成像、蛋白质结构和序列同时设计这三个方向，开展面向未来的基于AI的蛋白质研究工作。我们的基本理念是，蛋白质并非静止不动，而是处于动态运动之中。对动态的蛋白质进行建模，并在此基础上开展蛋白质设计，将为制药等应用带来更大的助力。在本次报告中，我将简要介绍我们近期在上述三个方向取得的研究成果，希望能与大家有更多的交流与合作，与业界同仁们一起共同推动领域的发展。
Brain-inspired AI：认知计算大模型
吴思教授北京大学

人工智能（AI）技术的飞速发展正在深刻改变社会的方方面面，其影响力绝不亚于一次工业革命。然而，以深度神经网络为根基的AI模型具有本质的瓶颈和局限，存在可解释性弱、数据依赖强、开放环境鲁棒性差、决策不可靠精准等问题。因此，尽管深度网络大模型更快成熟带来应用变革，迈向通用人工智能却可能需要全新颠覆性的智能体系。生物大脑是目前已知的宇宙中唯一具有通用智能的智能体，是大自然亿万年进化的结构。类脑智能旨在以生物大脑为样板，通过模拟大脑的结构和功能，以神经动力学为基础建立新型认知计算体系，构建从人脑思维到机器思维的桥梁，被认为是实现通用人工智能的另一条途径。当前AI技术的蓬勃发展，以大模型的使用为核心驱动力。特别是近年来，GPT系列为代表的大语言模型取得了显著成功，展现出众多出人意料的能力，甚至初步具备了推理能力。这些大模型的成功昭示了一个道理：智能行为的涌现，需要模型达到足够大的规模。尽管大脑的能耗率和高级认知功能远超当前AI，但类脑智能领域尚未出现可与AlphaGo、ChatGPT等相媲美的杀手级应用，其中一个核心因素在于，类脑智能领域尚未研发出相应的大模型。大模型对类脑智能的重要性也可以从脑认知功能的实现过程得到印证。神经科学研究表明，高级认知功能，比如工作记忆这一大脑在线信息加工的基础功能，通常都需要多个乃至全脑区的协同参与。因此，无论是从AI的发展经验，还是脑功能的机制来看，认知计算大模型的发展都是类脑智能取得重大突破的关键。在本报告中，我将简要介绍我们课题组在构建认知计算大模型方面的一些努力，包括研发了大尺度脑动力学仿真的高效编程工具，系统研究脑认知信息表达的基本功能模块，研发了高效大尺度脑网络的在线训练算法，以及在简单模式动物全脑仿真上的尝试等。
AI蛋白质技术赋能药物研发创新http://videozh.cas.cn/masvod/public/2025/09/05/20250905_19918ae89a0_r36_1200k.mp4
许锦波教授上海分子之心智能科技有限公司

蛋白质是生命的物质基础、生命活动的主要承担者。2024年诺贝尔化学奖花落AI蛋白质结构预测与蛋白质设计，足见AI对于蛋白质研究的价值。2016年，科学家开发第一个有效的AI蛋白质结构预测算法，大幅度提升了蛋白质结构预测精度，短短几年时间，AI蛋白质结构预测问题得到快速发展，单链蛋白质结构预测问题已经被基本解决。虽然与蛋白质功能理解相关的蛋白质复合物结构预测、以及具备巨大产业需求的蛋白质设计技术上，仍有一些待解决的难题，但不可否认的是，AI蛋白质设计技术正在药物研发领域掀起一场革命。传统的药物研发过程耗时长、成本高，且成功率低。基于AI蛋白质技术，研究人员可以高效地解析蛋白质结构与功能，进而针对传统方法难以攻克的疾病靶点，开发出新的药物形式和治疗方案，为疑难杂症的治疗提供新的希望。此外，AI蛋白质技术还将为药物研发领域带来研究范式的变革，从盲目试错的“发现”将走向按图索骥的“发明”，无需依赖于庞大的实验室设施和繁复的实验过程，而是通过“AI设计+少量湿实验验证”，以更高的速度和精度进行药物发现和优化。分子之心在AI蛋白质结构预测、优化、设计上拥有全链技术布局，并在药物研发领域拥有很好的应用。比如，基于AI蛋白质技术进行药物分子设计与优化，快速发现受体/配体相互作用的结构域，快速产生新的变体，用于产生亲和力提升或降低的新分子；基于AI蛋白质技术针对靶点特定表位进行大分子药物分子De novo生成，甚至对于一些传统试验手段非常挑战的药物靶点设计全新分子进行设计；基于AI蛋白质技术进行蛋白药物的免疫原性预测和优化、环肽药物设计和虚拟筛选、递送技术开发等。综上所述，AI在大分子药物研发中的应用正变得越来越广泛，它不仅能提高研发效率、降低成本、缩短研发周期，更能提升成功率，这将为医药行业带来巨大的变革机遇。

12 3 4 下一页尾页

第180次：AI药物研发