AI for Science：人工智能驱动科学创新

本书聚焦于人工智能与材料科学、生命科学、电子科学、能源科学、环境科学五大领域的交叉融合，通过深入浅出的语言和诸多实际应用案例，介绍了AI for Science的基础知识，梳理了产业地图，并给出了相关政策启示。

本书是展示AI for Science美丽图景的科普读物，希望帮助各行业的科研人员、创业者、投资者及高校学生了解如何应用人工智能提高效率、驱动创新。

人工智能驱动科学创新（AI for Science）带来的产业变革与每个人息息相关。本书聚焦于人工智能与材料科学、生命科学、电子科学、能源科学、环境科学五大领域的交叉融合，通过深入浅出的语言，对基本概念、技术原理和应用场景进行了全面的介绍，让读者可以快速掌握AI for Science的基础知识。此外，对于每个交叉领域，本书通过案例进行了详尽的介绍，梳理了产业地图，并给出了相关政策启示。

本书适合所有关注人工智能技术和产业发展的读者阅读，特别适合材料科学、生命科学、电子科学、能源科学、环境科学等领域的科研人员、创业者、投资者等参考。

杜雨

中国社会科学院技术经济学博士，北京大学、香港中文大学双硕士，武汉大学学士，中国医科大学药学进修。参与多项国家社科基金重大项目、国家自然科学基金项目及国家发改委、中国科学技术协会、中国工程院等委托项目。担任国家工业信息安全发展研究中心牵头的团体标准《生成式人工智能数据应用合规指南》的起草人。G20青年企业家联盟中国理事会青年委员，中国青年科技产业创新基地青年导师。先后工作于腾讯、红杉资本科技投资团队。创立未可知集团，并在“人工智能+X”方向孵化了教育、医疗、心理、艺术等领域的初创企业。胡润U30中国创业先锋。畅销书《AIGC：智能创作时代》作者。

王谟松

复旦大学材料系物理电子学方向硕士，武汉大学机械专业本科。作为科技投资人，专注于半导体、新能源及相关新材料、高端装备等前沿科技领域的投资机会，并关注人工智能与这些领域研发创新的结合，投资项目包括御风未来、微纳核芯、铭剑电子、喆塔科技、清能互联、烽台科技等。

张孜铭

北京大学管理学硕士，新加坡国立大学金融工程硕士，华中师范大学信息管理与信息系统、华中科技大学计算机科学与技术双学士。未可知集团联合创始人兼首席运营官，科技加速器Quadratic Acceleration Quantum（QAQ）合伙人，元宇宙教育实验室智库专家。担任国家工业信息安全发展研究中心牵头的团体标准《生成式人工智能数据应用合规指南》的起草人。著有畅销书《AIGC：智能创作时代》《Web 3.0：赋能数字经济新时代》等。

第1章 人工智能驱动的科学创新 1

第1节　什么是AI for Science 2

1．生活中的AI与科学家眼中的AI 2

2．AI for Science的参与角色 4

3．AI for Science的应用领域 8

第2节　AI for Science的底层逻辑：科学创新的新范式 9

1．传统科学创新的四种范式 10

2．科学创新的新范式：人工智能驱动 11

第3节　为什么要发展AI for Science 14

1．科研视角：助力搭建平台科研模式 15

2．产业视角：用摩尔定律打破反摩尔定律困境 17

3．政策视角：国家发展战略的需求 19

第2章 AI for Science的技术支撑 21

第1节　理论：双科研模式的生长 22

1．牛顿模式与开普勒模式 22

2．双模式的发展瓶颈：维度灾难 24

3．人工智能助力解决科研瓶颈 26

第2节　数据：在科技发展中加速积累 28

1．科技的进步推动科研数据加速积累 28

2．人工智能的发展推动科研数据加速积累 32

第3节　算法：理论模型的实践和落地 37

1．机器学习算法促进维度灾难问题的解决 37

2．大语言模型带来全新的科研机遇 39

第4节　算力：基础设施的持续进步 41

1．算力基础设施的发展历程 42

2．AI for Science算力基础设施的建设 44

第3章 AI与材料科学 47

第1节　“AI+材料科学”的发展背景 48

1．AI对材料研发模式的革新 49

2．“AI+材料科学”的推进器：材料基因工程 51

第2节　“AI+材料科学”的落地应用 53

1．传统材料：金属、有机等材料的开发和应用 54

2．新型材料：纳米、超导等材料的发现 56

第3节　“AI+材料科学”的相关技术 58

1．高通量材料计算模拟 58

2．高通量材料制备与表征 60

3．材料服役行为高效评价 61

4．专用材料数据库 62

第4节　“AI+材料科学”的产业图谱 63

1．AI能力支持端 63

2．模拟计算软件 67

3．材料厂商 69

4．相关专用数据库 70

第5节　“AI+材料科学”的政策启示 72

1．面向“卡脖子”材料开展重点技术攻关 73

2．将人工智能技术作为材料基因组工程建设的重要内容 74

第4章 AI与生命科学 77

第1节　“AI+生命科学”的发展背景 78

1．AI催生生命科学研发新模式 78

2．“AI+生命科学”的发展脉络 82

第2节　“AI+生命科学”的落地应用 87

1．药物研发领域的AI应用 87

2．基因测序和编辑领域的AI应用 90

3．合成生物学的AI应用 93

第3节　“AI+生命科学”的相关技术 96

1．药物研发领域的相关技术 96

2．基因测序和编辑领域的相关技术 98

3．合成生物学的相关技术 101

第4节　“AI+生命科学”的产业图谱 104

1．AI与制药 104

2．AI与基因测序和编辑 107

3．AI与合成生物学 109

第5节　“AI+生命科学”的政策启示 111

1．促进以生命科学为中心的跨界合作与人才流动 111

2．加快建设生物学数据库 112

3．强化生物安全与生物伦理监管 113

第5章 AI与电子科学 115

第1节　“AI+电子科学”的发展背景 116

1．从摩尔时代到后摩尔时代 116

2．深度摩尔定律与超摩尔定律 119

第2节　“AI+电子科学”的落地应用 121

1．AI赋能芯片设计 121

2．AI赋能芯片制造 125

3．AI赋能芯片检测 126

4．AI赋能芯片材料研发 127

第3节　“AI+电子科学”的相关技术 129

1．芯片设计中的AI技术 129

2．芯片制造中的AI技术 130

3．芯片封测中的AI技术 132

4．芯片材料研发中的AI技术 132

第4节　“AI+电子科学”的产业图谱 134

1．材料与设备端 134

2．芯片设计端 136

3．芯片制造端 140

第5节　“AI+电子科学”的政策启示 144

1．加快半导体产业的国产产品替代 144

2．政策引导进行产业链跨领域协作 146

3．加快AI芯片制造落地 146

第6章 AI与能源科学 149

第1节　“AI+能源科学”的发展背景 150

1．人类利用能源的历程 150

2．AI对能源科学的重要意义 152

第2节　“AI+能源科学”的落地应用 155

1．AI与化石能源科学研究 155

2．AI与可再生能源科学研究 159

3．AI与能源转型 170

第3节　“AI+能源科学”的相关技术 176

第4节　“AI+能源科学”的产业图谱 178

1．资源的勘查与提取 178

2．能源的加工/转化与储存 179

3．能源的终端输送与应用 180

第5节　“AI+能源科学”的政策启示 182

1．确保“AI+能源系统”的可持续性、安全性和可靠性 183

2．推动能源数据的开放和共享 184

3．提升AI系统在能源行业中的互操作性与标准化 184

第7章 AI与环境科学 187

第1节　“AI+环境科学”的发展背景 188

1．AI技术为环境科学引入新的价值和机遇 188

2．AI技术在环境科学领域的发展脉络 190

第2节　“AI+环境科学”的落地应用 192

1．智能环境监测 192

2．智能污染治理 194

3．智能碳减排 196

第3节　“AI+环境科学”的相关技术 197

1．环境地理与GIS技术 197

2．环境数据获取与遥感技术 199

第4节　“AI+环境科学”的产业地图 200

1．研发与咨询 200

2．应用与推广 203

第5节　“AI+环境科学”的政策启示 205

1．AI技术辅助制定重大环境污染问题应急响应方案 206

2．开放公共环境数据资源 207

第8章 AI for Science的危与机 209

第1节　AI for Science的机遇 210

1．复用AI生产力的红利 210

2．大模型的巨大潜力 212

3．跨学科交融与开源生态的完善 214

第2节　AI for Science的挑战 215

1．科学结果的可解释性 215

2．科研协作的制度挑战 218

3．科研成果的落地转化 220

第3节　生态展望：“平台科研”模式的四梁N柱 222

1．砖瓦：科学智能的建设基础 222

2．四梁：AI驱动的平台系统 224

3．N柱：国家战略的支撑应用 225

在古希腊神话中，工匠之神赫菲斯托斯曾打造出拥有人类意识与智能的黄金机器人，这可以被视为人工智能（AI）最早的思想起源之一。此后，人工智能的影子便无数次出现在人们对未来的幻想之中，但也仅停留在幻想之中——幻想与现实之间的鸿沟，需要科学的力量来填补。20世纪中叶，人工智能真正作为一个学科被创立。科学用逻辑、计算、数学、编码，将人们千百年来的幻想塑造成现实。科学孕育了人工智能，让它进入极速发展时代，走入千家万户，成为我们生活的一部分。

然而，人工智能的潜力不止于此。人工智能脱胎于科学，又反哺科学，已经成为驱动科学创新的底层力量。从解析蛋白质的AlphaFold，到实现分子模拟的深度势能方法，人工智能技术正在深度参与人类对自然规则的求索历程且熠熠生辉，一种全新的科学创新范式——人工智能驱动科学创新（AI for Science）随之诞生。

本书将为读者徐徐展开AI for Science的美丽图景，与大家一起去了解：人工智能究竟帮科学家做了什么？人工智能将如何改变我们所生活的世界？

本书共分为8章。第1章介绍了作为全新的科学创新范式的AI for Science的具体含义、底层逻辑，以及大力发展AI for Science的原因。第2章从科学研究底层的理论模式与主要困境，以及人工智能三要素（数据、算法、算力）出发，对AI for Science的技术支撑进行解读。第3章介绍了在材料基因组工程的推动下，人工智能如何与材料科学结合，加快传统材料和新型材料的开发过程。第4章介绍了人工智能在加快药物研发、辅助基因研究方面及在合成生物学中的普遍应用。第5章介绍了人工智能如何在提高芯片设计的自动化水平、优化半导体制造和封测的工艺和水平、寻找新一代半导体材料等方面提供帮助。第6章介绍了人工智能在化石能源科学研究、可再生能源科学研究、能源转型三个方面的落地应用。第7章从环境监测、污染治理、碳减排三个方面介绍了人工智能为环境科学引入的新价值和新机遇。第8章探讨了AI for Science在快速发展过程中面临的机遇和挑战，并对“平台科研”模式进行了展望。

由于AI for Science与我们每个人息息相关，所以本书适合各界读者阅读。为了尽可能满足读者的需求，本书作者努力尝试在通俗易懂和专业严谨之间寻找一个平衡点，如果读者朋友有更专业的见解，欢迎与我们做进一步的交流和探讨。此外，尽管作者在写作过程中查阅了大量文献资料，但仍可能有错漏之处，欢迎读者指正。

杜雨、王谟松、张孜铭负责全书统筹与撰写。对本书内容做出贡献的编写者包括：任怿、戴沁言参与第2章、第8章的资料搜集及部分内容的编写；吴开源参与编写第4章；程蕴可参与编写第5章；彭靖峰参与编写第6章；江雯参与编写第7章。

在本书的写作过程中，感谢未可知大家庭的鼓励与支持。

感谢电子工业出版社相关人士在本书出版过程中的辛勤付出。

北京科学智能研究院与深势科技联合发布的2023版《科学智能（AI4S）全球发展观察与展望》为本书的写作提供了诸多灵感。

特别感谢本书的科学顾问北京科学智能研究院提供的大量建议，以及曹荣根、Harvey、刘一帆、孟耀斌、宓群、孙伟杰、王小佛、王子轩、徐思昕、徐臻哲、张学标、周喆（按姓名拼音排序）提供的宝贵意见及为本书的编校与修改提供的巨大帮助。

祝愿AI for Science的生态越来越好！

作　者