导语：

近期，科学智能议题在各个行业广受关注。它不仅革新了人们的生活方式，也极大地拓展了科学研究的边界。中国科学院院士、复旦大学副校长张人禾教授在2023年Inclusion外滩大会上指出，受到科学原理启发而构建的新模型持续涌现，形成了一个科学发现激发人工智能迭代升级、人工智能作为科学研究工具反哺科学发现的良性循环。

科技创新被视为推动国家科技进步、产业升级及生产力全面提升的关键资源。张人禾教授强调，科学智能是推动科学范式转变、促进科学发现以及实现原始创新的重要手段。

在基础研究层面，大多数模型遵循数学与物理法则，科学智能能够解析和探索这些规律，助力研究者深化对自然现象的理解，从而推进基础科学的发展，重塑研究模式。

张人禾教授举例说明，人工智能在量子力学领域可用于学习神经波函数，探索量子多体问题的解决方案；在蛋白质研究方面，AI在预测蛋白质结构、学习蛋白质特征、生成蛋白质骨架等方面发挥关键作用。

科学发现是一个综合过程，涉及假设建立、实验设计、数据收集与分析等多个环节。在这个过程中，人工智能充当“加速器”，在各个阶段增强和提速研究工作，促进新成果的不断涌现，形成科学发现的良性循环。

从范式角度来看，科学智能提供了数据驱动与机理驱动融合发展的路径。数据驱动方法侧重于从数据中挖掘科学规律以解决实际问题，但其解释性相对有限。相比之下，机理驱动侧重于基于基本原理的研究，旨在揭示物理现象的根基，但在处理大量计算时面临挑战。

科学智能能够高效整合数据与理论知识，减少对大规模数据和算力的依赖，提升模型的准确性和可解释性。以气象学为例，FourCastNet这一经典案例通过利用ERA5再分析数据，结合自适应傅里叶神经算子、降水诊断模型等技术，实现了全球关键气象要素的精细化预报，标志着AI气象模型首次与传统物理模型展开直接对比。

展望未来，科学智能在促进经济社会可持续发展方面将扮演核心角色。当前，我国的科学智能领域正处于快速成长期，虽尚处初级阶段，但一系列科学大模型的相继问世（如工业级流体仿真大模型），为强化科学智能力量、聚焦基础研究关键问题、构建先进模型算法与软件工具、产出颠覆性科研成果、构建科学智能生态系统奠定了坚实基础。

来源： 每日经济新闻