公眾號
搜索
科技大講堂
化學界有這樣一個說法：chemistry可理解為chem is try，意思是化學要不斷嘗試。
而大眾印象中的化學家也是這種形象——身穿白大褂，戴著口罩與護目鏡，和助手們一起，在試管、燒杯、燒瓶間忙碌著。
不過，化學專業出身的葉盛教授，看起來不一般。因為他的“燒杯”是超級電腦，而他的助手，是時下最熱門的人工智能。
葉盛在安徽大學（以下簡稱“安大”）人工智能學院，從事人工智能在量子化學領域的交叉研究。
人工智能、量子化學，聽起來都充滿未來感。
葉盛介紹，量子化學就是使用量子力學的計算方法，來描述、研究微觀粒子的性質和行為，推斷化學反應機制。
在化學實驗中，化學反應演化過程的“過渡態”很難被記錄，因為發生得太快了。而量子化學的出現，為研究這種微觀尺度的超快過程提供了方法。它幫助化學家在實驗前預測化學反應機制、成功率和生成物的性質，減少試錯成本。
然而，使用量子化學技術去探索化學元素之間的復雜化學反應，要耗費大量的計算資源。
這時，化學家想到接入人工智能。
“化學問題最大的特點就是復雜度極高，而AI最適合處理高維復雜的問題，幫助我們理解或者演化物質性質和結構之間的關系，兩者的碰撞有時會產生一些非常有趣的火花。”
葉盛自2016年開始從事相關研究。他是當時中國科學技術大學（以下簡稱“中科大”）化學物理系的博士生，主要科研項目是用量子化學研究蛋白質的光學性質與結構。
蛋白質是一切生命的基石。
許多至今難以攻克的疑難雜癥，如阿爾茨海默病、帕金森病等，都是由于某些特定種類的蛋白質錯誤折疊而導致的。“能否預測蛋白質折疊”，被世界權威學術期刊《科學》列為125個最具挑戰性的科學問題之一。
蛋白質實際上是由成千上萬，甚至更巨量的原子組成。
傳統的量子化學理論模擬很難處理這個龐然大物，這也嚴重限制了蛋白質結構在原子層面的精準研究。
恰恰此時，人工智能“阿爾法圍棋”戰勝人類世界圍棋冠軍的新聞引起葉盛的注意。
他想，人工智能能夠處理圍棋這樣復雜的游戲，是不是也能處理同樣復雜的化學問題呢？
葉盛立刻將這個想法匯報給導師，兩人經過討論后認為，這個思路大有可為。
然而，等到真正研究時，葉盛才發現，實踐難度遠比預想的大，因為當時利用人工智能技術研究自然科學的經驗幾乎為零。
沒有參考，他完全是摸黑前行。
自己選的路，再累也要走下去，葉盛決定自學！
無論是國內外知名專家的《機器學習》公開課，還是中科大計算機老師的線下課程，他都找機會去聽。
隨著學習的不斷深入，葉盛發現人工智能的基礎架構編程和數學很像，都是在培養人的邏輯思維。
他還記得自己第一次寫程序時，為了找到最適合的一組參數，花了一個星期時間，調試了幾百次網絡。
夜以繼日的鉆研中，葉盛進步飛快。
當葉盛在后方“訓練”人工智能網絡時，他的同學也在前方不停實驗，將收集到的數據不斷“喂”給人工智能，幫助人工智能學習、迭代、進化。
經過一年半的科研攻關，他們成功利用人工智能結合量子化學技術，在國際上首次實現了蛋白質紫外光學性質的精準預測，這是人工智能技術首次用于理論計算，預測蛋白質的光譜研究。
在現有成果和導師的不斷鼓舞下，葉盛再接再厲，又相繼發展了蛋白質紅外光學性質的人工智能模擬方法。
對于蛋白質這樣的大體量，他采用了“曹沖稱象”的方式——將蛋白質拆分為片段，運用人工智能預測每個片段的性質，然后像拼積木一樣，將它們組裝回完整的蛋白質。
他們開發的模擬軟件相較于傳統的量子化學計算，在保證模擬精度的前提下，足足快了近五個數量級，也就是萬倍的速度。目前，該軟件已被中科大、南京大學、南欣醫藥技術研究院有限公司、美國加州大學爾灣分校、英國諾丁漢大學等國內外十幾家機構應用。
從2016年人工智能與量子化學的研究成果不過百篇，到如今井噴式發展，葉盛認為，人工智能的巨大優勢，就是擁有無限可能，能夠研究那些復雜的化學問題。
當然，一項新技術肯定會面臨質疑。人工智能是否安全？人工智能的虛擬畫面是否符合物理世界的客觀規律？虛擬生成的結果是否可靠？人工智能驅動的科學研究一定可以成功嗎？這些討論延續至今。
葉盛的課題組在一次投稿中，就曾受到專業審稿人的質疑。相較于傳統的實驗結果，這種新興研究方法和研究成果要提供更多的實驗佐證。為此，審稿人出具了十幾頁審稿意見，列出了一系列傳統實驗數據比對清單。
葉盛沒有氣餒。他將精力投入驗證模擬結果的工作中。在收到審稿意見后的一個多月里，他每天都在做實驗，比對實驗數據。這場新興技術與傳統研究的碰撞，最終呈現為一份七十多頁的報告，成功說服了審稿人。
葉盛在報告中說：“面對同一科學難題，解決之道絕非唯一。您的路徑固然能夠引領我們抵達目標，而我們通過人工智能所驅動的新型科學研究范式，同樣能夠開辟出一條通往成功的道路。這正是科學之魅力所在——其本質蘊含著無盡的多元化與包容性。人工智能并非傳統科學的對立面，而是科學探索疆域中一條并行不悖、獨具特色的新航道。”
人工智能驅動的科研之路比起傳統科研之路，絕不輕松。葉盛認為，雖然人工智能可以推算出成千上萬種可能，但人類永遠是人工智能的守門員，要對生成的內容進行人工干預與篩選，找出最符合實際客觀規律的可能性，進行驗證。
驗證得到的并不總是肯定的結果，葉盛有一項研究了兩年的項目，最終因誤差過大而放棄。
他深知科研是不斷試錯的過程，“科學的發展之路，從來都是機遇與挑戰并存的征途。我們務必懷揣著將科學價值最大化的信念勇往直前，以期貢獻于人類社會的長足進步。面對風險，我們不應退縮，而應視之為推動科學邊界向前的動力，不斷前行。而且，對于失敗，我們可以用多元的眼光去看待。雖然有時候預設的目標進行不下去，但沿途中那些意外發現所開啟的新探索，又何嘗不是成功呢？”
葉盛一直用開放、多元的眼光去看待研究中的一切。
葉盛常鼓勵自己的學生，一定要有靈活的思維：“這如同我們在解數學題時，面對幾何圖形的面積求解。初期，我們或許會直接用相應的公式得出答案，但當我們深入學習坐標系與函數后，便能以全新的視角和方法求解。”
這種思考模式，離不開數學對他的影響。在學生時代，他最喜歡的科目不是化學，而是數學。數學培養了他處理問題的邏輯思維，為他日后進行科學研究打下了堅實的基礎。
那么，葉盛為何最終選擇了化學呢？
一個很重要的原因是，葉盛是中國著名科學家錢學森的“粉絲”。在考研時，他報考了錢學森先生一手創辦的中科大化學物理系。
錢學森是中國航天事業的奠基人，他突破美國的圍追堵截、艱難回國投身科研的故事，我們耳熟能詳。而今天，相似的故事依然在發生。
2016年，中國的芯片技術相較于國外仍有很大差距。最初，葉盛使用的超級計算機運算速度比較慢，無法滿足科研需求。隨著國外對我國技術封鎖不斷加劇，中國的企業、科研工作者們攻堅克難，不斷突破瓶頸，讓芯片迎來一次次迭代。
時至今日，中國“芯”的超級計算機，已經可以滿足葉盛在科研工作方面的需求。他親眼見證了中國超級計算機、中國芯片的快速發展！
隨著又一年高考結束，新一代有志于科技報國的學子，走進大學，走向未來……面向未來，人工智能注定是濃墨重彩的一筆。多學科交叉融合的人才培養模式，也是未來的趨勢。
葉盛也多次強調多學科交叉融合的重要性。他告訴記者，數學不僅賦予人們嚴密的邏輯運算能力，更為科學探索奠定了堅實的基石；物理與化學如同兩把鑰匙，能解鎖現實世界中紛繁復雜的自然規律，幫助人們的認知邊界不斷拓展；計算機語言的編程思維，如同一位精密的工程師，可以訓練人們將復雜的問題拆解成有序的步驟，高效解決問題；而語文與英語，則如同信息的采集器，不僅可以豐富人們的知識儲備，更能在跨文化交流中架起橋梁。
從求學到科研，葉盛一直保持學習的習慣。量子化學的研究方向，本身就是物理、化學、數學的融合。而他在交叉的專業方向上又融合了人工智能，再次增加了自己的學習目標。現在，他每天下班回家后仍抽出兩三個小時去讀文獻，了解研究領域內外的前沿科研方向。
“人工智能在如饑似渴地學習，我們作為人工智能的守門員，學習的腳步永不停歇。”
作者|莊園
編輯|高晨辰
校對|羅陽
校審|莊園
終審|夏冰
聲明|文章部分圖文版權歸原創作者所有，如有侵權請與我們聯系刪除
QQ群