8月10日-11日，2023 中關村論壇係列活動——2023 科學智能峰會（AI for Science Congress）在京舉行，本次峰會採取開放討論，共商共創的交流模式。AI for Science 是一個具有廣闊前景和巨大潛力的領域，也是一個充滿挑戰和機遇的領域。2023科學智能峰會，以“四梁N柱“為主線展開，設置了10余場深度研討的學術峰會。其中，主題為“共建AI4S基礎設施-新范式下的材料實驗”的學術峰會于8月11日召開。

  材料是人類社會的基本組成要素和關鍵性資源，材料的演進直接推動人類社會的進步。歷史上材料的發現主要基于經驗試錯。傳統材料實驗方法成本高、耗時久、數據分析難度大。AI for Science將對材料研發帶來顛覆性變革。AI在材料設計和篩選方面表現出巨大潛力，也越來越受到研究者的青睞。材料實驗的高通量化、自動化、智能化，將推動材料實驗與理論模擬的深度融合，指導新材料設計和優化，大幅提高研發效率。

  論壇召集人、蘇州實驗室研究員陳忻與國內領域專家學者，共同探討材料創新發展，共建AI for Science基礎設施與材料研發的新范式。陳忻在開場致辭中談到，AI for Science已經進入了一個加速的涌現期，也正是峰會上發布的《2023科學智能全球發展觀察與展望》中提出的核心觀點。材料研發的核心任務就是構建構效關係，既材料結構和性能之間的關係。而這正是AI可以大顯身手之處。構建這種映射關係通過數據，借助AI的力量來統合完成。在這種新范式下，AI不僅僅是一個輔助的工具，而是整個方法論的核心。希望通過新的基礎設施和新的范式的變革，建立我國材料領域的原始創新和持續創新的能力體係。

  數位來自業界的頂尖專家發表了精彩的演講。南京工業大學教授陸小華談到，當前國內膜材料與國民經濟發展緊緊相連，作為材料的載體，膜材料與化工領域聯繫甚廣，而AI for Science對此行業的發展也將起到關鍵作用。膜材料的重要性與國家雙碳戰略息息相關，膜+X的流程再造為行業創新奠定了基礎。所以 AI for Science實際上就成為了很重要的機制模型，當有了機制模型，AI for Science的訓練就能夠事半功倍。

  南京大學教授朱嘉著力在光熱調控方面的研究。他談到，光熱效應在不同尺度都在發揮作用，尤其在工業過程中作用巨大。例如，夏天如何通過輻射降溫來延長冰淇淋的融化速度，包裝紙可降解，木質素的輻射降溫材料跟在冰跟雪的實驗上可以非常顯著提升它的消融效率。AI for Science對光熱效應如何發揮作用，結合基因演算法和機器學習可以進行精確光譜的訓練，通過基因演算法來産生多層膜的預設計。通過光譜的精確度、角度的依賴性和成本來做選擇，這樣光譜準確度最高，角度依賴性最低，成本也最低，從而實現更有效且準確的材料設計。光熱效應綜合調控與AI演算法緊密結合：AI為精確的光熱調控提供了新的手段，而光熱調控為AI提供了新的應用場景。

  天津大學教授趙志堅分享了AI加速的催化劑理性設計的研究。他談到，在上世紀50年代之後，隨著電腦硬體和軟件的發展，計算科學也是逐漸成為一個重要的研究手段，從催化劑的設計到反應器的一個研發都是發揮了重要的作用。而隨著AI時代來臨，在數據驅動的范式下進行進一步高效催化劑的研發工作也提供了機遇。最核心的還是要有合理的描述真實催化反應體係的模型，在此模型之上通過在反應層次的描述符的構建加速此過程，最後在應用層次真正做到可控合成的驗證。

  南京大學教授馬晶也談到了在材料設計與化學合成上與AI之間的一些嘗試。她談到，將AI應用進自動化學合成中，與分子模擬相同，都是基于現有的模擬的方法在進行一些軌跡的應用。

  清華大學長聘副教授王笑楠提到，化學材料領域裏的復雜知識，使AI for Science的主題在化學化工材料領域真正發揮出了巨大的作用。如何讓機器學習和化學材料的體係更好結合，從理論的倣真實驗到真實濕實驗，幹濕實驗耦合，幹濕實驗閉環，這是行業最終希望的方式。因而，高效率、高精度的實驗表徵係統也成為AI for Science重點建設的四大基礎設施之一，在材料研發領域，必將帶來顛覆性的變革。

  廈門大學教授汪騁談到，AI有著宏大的背景，一個數據科學方法在研究者看來較為簡單，它像科學世界的地圖，其他一些先進的表徵方法卻是表徵一個很局部的問題，把它表徵的更加精細，但這樣的數據科學方法就會不同，是從局部看全局的方法。

  2023科學智能峰會由北京科學智能研究院主辦，圍繞AI for Science基礎設施共建、典型應用領域，設置1場主論壇和10場學術峰會。會上，與會院士、專家、企業代表探討AI for Science當前的發展重點、蘊藏的機會，分享先進理念與前沿見解，展示研究成果、創新技術，展望AI for Science未來發展趨勢。