編者按：過去一年里，AI for Science 技術(shù)成果集中爆發(fā)，在生物醫(yī)****、材料、物理、化學(xué)、甚至數(shù)學(xué)中發(fā)揮越來越重要的作用，AI 在自然科學(xué)領(lǐng)域的巨大潛力也成為學(xué)界、業(yè)內(nèi)人士最關(guān)注的話題之一。近期，由量子位主辦的 MEET2023 智能未來大會邀請微軟研究院科學(xué)智能中心亞洲區(qū)負(fù)責(zé)人、微軟亞洲研究院副院長劉鐵巖共同探討對于 AI for Science 的最新思考與未來趨勢研判。AI for Science 如何點亮科學(xué)研究的無限可能性？下面就讓我們一起看一看劉鐵巖對微軟研究院 AI for Science 研究成果的分享和未來之路的展望吧！

最近10年里，AI 飛速發(fā)展，在很多任務(wù)上已經(jīng)和人類媲美。而且近年來，以 GPT-3、DALL·E 2 為代表的大模型讓人驚艷。

比如大家現(xiàn)在非常關(guān)注的 ChatGPT，讓我們覺得通用人工智能離日常生活越來越近。但這些成果主要集中在感知和認(rèn)知層面，并沒有反映出人類智能里最光輝的一面，即認(rèn)識世界和改造世界。

如果戴上科學(xué)的顯微鏡，就會發(fā)現(xiàn)我們之所以成為人類、成為生物，是億萬個細(xì)胞、甚至是更多微觀粒子相互作用的結(jié)果；而如果戴上科學(xué)的望遠(yuǎn)鏡，就會發(fā)現(xiàn)我們?nèi)祟惒贿^是地球上百萬物種之一、而地球在蒼茫宇宙里也同樣是不值一提的滄海一粟。

所以，無論是從微觀還是宏觀角度看，我們?nèi)祟愖陨矶际欠浅Ｃ煨〉?。我?/span>不應(yīng)該讓 AI 一味地模擬語音、視覺、語言等人類自身的基本技能，而是要讓 AI 擁有和人類一樣認(rèn)識世界和改造世界的勇氣和能力。而認(rèn)識世界和改造世界正是千百年來，自然科學(xué)研究的終極目標(biāo)。

我在微軟的前同事 Jim Gray 曾經(jīng)寫過一本書，對科學(xué)發(fā)現(xiàn)四個基本范式做了深刻的總結(jié)。

第一個范式叫做經(jīng)驗范式，基于經(jīng)驗的觀察，是天才科學(xué)家對萬物萬象的總結(jié)。比如著名的天文學(xué)家開普勒，他通過觀察總結(jié)出天體運行的規(guī)律：“所有的行星圍繞太陽運行的軌道都是橢圓的，太陽處在所有橢圓的公共焦點上”。

第二個范式是理論范式，指數(shù)學(xué)家對經(jīng)驗進(jìn)行數(shù)學(xué)抽象和推演，比如用于描述經(jīng)典力學(xué)的牛頓運動方程，用來描述電場磁場關(guān)系的麥克斯韋爾方程等。

第三個范式是計算范式，隨著計算機的發(fā)明，人們開始有能力求解復(fù)雜的物理方程。比如，通過有限元或者有限差分方式求解流體方程，從而有助于人類對于天氣預(yù)報進(jìn)行精準(zhǔn)預(yù)測。

第四個范式是數(shù)據(jù)驅(qū)動的范式，這個過程中 ML（機器學(xué)習(xí)）扮演著非常重要的角色，人們使用ML方法來分析數(shù)據(jù)，尋找規(guī)律，并進(jìn)行預(yù)測。

最近這幾年，大家開始關(guān)注的一種新的范式，叫做 AI for Science，它是前四種范式的有機結(jié)合，發(fā)揮了經(jīng)驗和理論各自的特長，又把 AI 和計算科學(xué)融合在一起。AI for Science 是對科學(xué)發(fā)現(xiàn)更全面的認(rèn)知，因此我們稱之為科學(xué)發(fā)現(xiàn)的第五范式。

為了更好地理解 AI for Science，我們可以從如圖的公式講起。

第一、對于物理世界（綠色的 X），我們可以利用理論科學(xué)對它進(jìn)行大體的描述，并且可以用 AI 的手段來加速這些理論方程的求解和推演。這對應(yīng)了黃色的 X（θ）表示的部分，可以看成 AI 版本的第三范式。

第二、我們需要承認(rèn)，我們在科學(xué)方面的知識仍然非常有限，已有的理論還不能完美解釋所有的科學(xué)現(xiàn)象。換句話說，我們承認(rèn)物理方程的解 X（θ）和實際物理世界X之間存在殘差 ε，這個殘差表達(dá)的是現(xiàn)有物理方程的邊界，可以用實驗手段觀察，也可以為 AI 所利用，這就對應(yīng)了第四范式。當(dāng)然，這幾年 AI 領(lǐng)域的新發(fā)展，比如 RL（強化學(xué)習(xí)）、DL（深度學(xué)習(xí)）、大模型等等，會為第四范式提供新的加持。

第三、通過 AI 手段從數(shù)據(jù)出發(fā)，目的不僅僅是為了發(fā)掘一些特定的結(jié)果，也可以進(jìn)一步幫助我們修正對已有物理方程的理解，豐富我們的科學(xué)知識，讓我們有機會發(fā)現(xiàn)新的科學(xué)規(guī)律，這樣就最終能夠?qū)崿F(xiàn)科學(xué)研究的閉環(huán)，這對應(yīng)了 AI 版本的第一范式和第二范式。

接下來，我們就針對這三個方面進(jìn)行更加深入的討論，并介紹我們團(tuán)隊最新的研究成果。

第一，如何用 AI 求解物理方程？

傳統(tǒng)數(shù)值解法求解物理方程的效率是一個瓶頸。近年來，人們開始利用 AI 模型來對物理方程進(jìn)行更加高效的求解。AI 模型的訓(xùn)練數(shù)據(jù)可以來源于傳統(tǒng)的數(shù)值解法，而一旦訓(xùn)練成功，在求解新的方程的時候就可以節(jié)省大量的時間。

此外，近年來還出現(xiàn)了一種 physics informed training，甚至不需要提前生成訓(xùn)練數(shù)據(jù)，只需要在訓(xùn)練的過程中，動態(tài)驗證 AI 模型的輸出是否滿足物理方程，定義損失函數(shù)即可，而驗證方程比求解方程簡單得多。

在這個方向上，我們團(tuán)隊有一些最新研究成果，如發(fā)表在 NeurIPS 2021 上的 Graphormer 模型，和發(fā)表在國際期刊《流體物理》上的 Deep Vortex Net，分別在分子建模和氣象模擬領(lǐng)域取得了國際領(lǐng)先的結(jié)果。

第二，如何用 AI 從科學(xué)數(shù)據(jù)中發(fā)掘有效信息？

各種實驗設(shè)備每年都產(chǎn)生海量數(shù)據(jù)，但顯然不能靠人工有效處理；還有每年都有近150萬篇論文發(fā)表，但任何科學(xué)家都沒有精力讀完。

我和團(tuán)隊提出利用 AI 方法來自動分析高能粒子對撞的射流數(shù)據(jù)，在國際期刊《High-energy Physics》上提出了 LorentzNet 模型，將洛倫茲等變性構(gòu)建在模型之中，在新粒子發(fā)現(xiàn)領(lǐng)域取得了比前人顯著提高的精度。

我們還利用科學(xué)文獻(xiàn)訓(xùn)練了 SPT 模型，對科學(xué)文獻(xiàn)信息的科學(xué)知識進(jìn)行抽取、總結(jié)、和預(yù)測。該模型近期在 PubMed 問答任務(wù)上首次達(dá)到了人類專家的水準(zhǔn)。

第三，如何從實驗數(shù)據(jù)出發(fā)，用 AI 發(fā)現(xiàn)新的物理方程，形成科學(xué)發(fā)現(xiàn)的閉環(huán)。

比如物理的守恒定律，一旦實驗數(shù)據(jù)不滿足守恒性，往往暗示著一些新物理規(guī)律的存在。我們團(tuán)隊設(shè)計了一個雙通道的 AI 模型，包含一個基于拉格朗日神經(jīng)網(wǎng)絡(luò)的守恒通路和一個基于標(biāo)準(zhǔn)神經(jīng)網(wǎng)絡(luò)的非守恒通路，可精準(zhǔn)地從實驗數(shù)據(jù)中自發(fā)地學(xué)到很多已有規(guī)律。該工作發(fā)表在 Physical Review 上，受到了廣泛關(guān)注。

我們相信 AI for Science 將會對自然科學(xué)產(chǎn)生巨大影響，尤其在解釋生命奧秘以及保障環(huán)境可持續(xù)發(fā)展方面，都有很大的潛力。

沿著這兩個方面，我們進(jìn)行了很多探索，發(fā)表了一系列非常有意思的論文，如果大家感興趣可以參考一下。

為了更好地推動 AI for Science 這個領(lǐng)域高速發(fā)展，今年7月，微軟研究院在全球成立了一個新的研究機構(gòu)，我們稱之為 Microsoft Research AI4Science 或者是微軟研究院科學(xué)智能中心。這個研究中心設(shè)立的目的就是利用 AI 對分子動力學(xué)模擬、流體力學(xué)模擬等重要的科學(xué)計算工具來進(jìn)行顛覆式創(chuàng)新，從而推動人類關(guān)心的重大問題的求解。

非常榮幸，我作為這個中心的創(chuàng)始成員之一，帶著團(tuán)隊一起推動 AI for Science 的研究。我們也真誠地希望懷揣著科學(xué)夢想的同事們能夠加入我們，一起探索科學(xué)的新邊界！