人工智能（AI）技术的快速发展，正在为科学研究带来前所未有的变革。在2025浦江创新论坛之“未来化学论坛”上，来自全球的顶尖科学家齐聚上海，围绕AI如何重塑化学研究范式展开深度探讨。这场由上海尚思自然科学研究院承办的论坛，以“AI—Charting the Future of Chemistry Research”为主题，成为观察AI与化学交叉融合的重要窗口。
“AI不是简单的工具，而是从根本上改变了科学研究的逻辑。”上海尚思自然科学研究院院长鲁白在论坛中指出。中国科学院院士、大连化学物理研究所教授杨学明进一步强调，化学学科的核心目标在于构建更精确的理论模型，而AI技术已成为继实验和理论之后，推动化学发展的“第三条腿”。
在基础研究领域，AI正帮助科学家攻克传统方法难以解决的难题。以水的结构研究为例，中国科学院院士张东辉团队通过基本不变神经网络方法（FI-NN），构建了高精度的水分子势能面。经过1万个CPU连续400天的运算，团队成功分析了400多万个水分子相互作用点，将计算精度提升了一个数量级。这一突破为理解水的反常性质提供了全新视角。
复旦大学教授刘智攀开发的LASP平台，则展示了AI在材料设计中的潜力。该平台通过机器学习技术，可在10-20秒内预测分子三维结构，帮助化学家快速筛选势能面，避免无效实验。刘智攀认为，未来甚至可能跳过势函数直接进行材料设计，彻底改变传统“试错法”的研究模式。
在应用层面，AI与化学的融合正在催生新的产业机遇。上海交通大学张健教授团队聚焦First-in-class药物研发，利用Allosteric技术挖掘难靶向位点，其研发的P53候选分子已进入临床阶段。中国科学院上海药物研究所研究员郑明月则提出了TransformerCPI模型，可直接从蛋白质序列预测药物-靶标作用，大幅简化药物设计流程。
新材料研发领域同样迎来变革。日本东北大学教授李昊主导的“材料图灵计划”，通过构建AI赋能的材料数据库和自动化实验平台，提出了“数字材料”概念。该团队已搭建覆盖催化、电池等9大领域的百万级实验数据库，结合AI智能体平台，显著加速了材料研发进程。
然而，AI在科学领域的应用仍面临诸多挑战。厦门大学教授洪文晶指出，当前大模型训练已吸收互联网上绝大多数知识，单纯依赖数据挖掘难以进一步提升智能水平。他提出，具身智能和空间智能将成为分子科学研究的新方向，通过提供多尺度时空数据，帮助AI理解原子与分子的相互作用。
“幻觉”问题是AI应用于科研的另一大障碍。中国科学院化学研究所研究员江剑表示，纯数据驱动的实验可能存在安全风险。郑明月团队通过构建包含400万条差异基因调控事件的知识图谱，有效降低了AI生成结果的不可靠性。北京大学高毅勤教授则强调，将物理规则和实验信息嵌入模型，可显著提升AI预测的准确性和实验可比性。
在这场论坛中，科学家们普遍认为，AI与化学的深度融合将推动科学研究从“经验驱动”向“数据与理论双驱动”转变。无论是基础研究的突破，还是产业应用的创新，AI都正在成为化学领域不可或缺的核心力量。
