未来五年AI将推动科研范式变革，重点突破科学大模型等三大方向
今后的五年时间里，人工智能会深度介入基础科学研究领域，促使科研范式由“经验驱动型”得以朝着“数据与智能驱动型”实现转变，着重在“科学大模型”方向、“智能科研平台”方向以及“跨学科协同”方向取得突破性进展。
核心抓手是科学大模型，它会覆盖重点领域，像新材料、生物、量子、天文等。在新材料领域，已有的是“材料基因大模型”，还会研发“高分子材料大模型”以及“复合材料大模型”。前者在预测高分子材料降解性能以及耐热性方面有作用，能加速可降解塑料、高性能橡胶的研发。后者能对复合材料成分比例进行优化，比如碳纤维与树脂的配比，以此提升航空航天材料的强度以及轻量化水平。预见到二零二七年的时候，材料方面非常大的模型可以让关键的新的材料进行研发的周期平均减少百分之五十，并且让研发时候所需要的成本降低百分之四十 。
生物领域当中呢，重点将会是“生物大分子大模型”， 蛋白质、核酸的结构与功能它能够去模拟，药物研发以及基因编辑有它助力。其中，中科院生物物理所正在研发的“蛋白质折叠大模型”，参数规模千亿级，蛋白质三维结构该模型可以预测，准确率超过90%，传统实验方法相比效率提升100倍；有望到2026年，针对阿尔茨海默病新型药物团队借助该模型研发出，临床试验周期将会缩短到2年（传统方法需要5至8年）。
在量子科技范畴之内，“量子AI大模型”会达成量子计算跟AI之间的协同配合，也就是借助AI去对量子电路的设计予以优化、对待纠错算法进行优化，进而促使量子计算机在稳定性以及计算效率方面得以提升。在2025年的时候，华为跟中科大携手合作所研发出来的“量子AI大模型”，已经能够把量子电路的错误率降低30%，并且能够支持100量子比特的计算任务。预计到2028年的时候，可以促使量子计算机迈向密码破解以及材料模拟等诸多领域的运用实现实用化。
智能科研平台会达成“全流程智能化”，涵盖文献检索环节，实验设计环节，数据处理环节，成果发表环节等。清华大学正在构建的“智能科研云平台”，整合了AI文献分析工具，此工具能自动提取研究热点、引用关系，还整合了虚拟实验系统，该系统可模拟化学、物理实验，且整合了数据清洗工具，其能自动处理实验数据中的噪声，另外整合了论文生成助手，它支持中英文论文写作，能进行自动排版、引用标注 。到 2025 年的时候，此平台已然为超过 5 万名科研人员提供了服务，平均将科研周期缩短了 30%，把论文发表效率提高了 25%。
在进行跨学科协同之际，AI会把学科壁垒予以打破，促使“AI + 生物制造”、“AI+6G”、“AI + 核聚变”等交叉领域实现发展。于“AI + 生物制造”领域当中，借助AI来对微生物发酵过程加以优化，像温度、pH值的控制那般，以此提升生物燃料、生物农药的产量。
在未来的五年时间里，人工智能也就是AI这项技术，会特别深入地融入到基础科学研究的整个体系当中，进而促成科研范式达成从 “由经验主导的类型转换为数据智能来驱动的类型” 这样一种战略性的转变。而这个进程会着重关注 “科学大模型的研发”、“智能科研平台的搭建”、“跨学科协同创新” 这三个核心的发展方向，最终形成具备前瞻性质以及有着引领作用的科研生态系统。
欢迎 你 发表评论: