|
|
田中群：让 AI 与科学仪器协同赋能科学研究! d" C5 B& y( Z1 b$ |; f \
《华东科技》 2026年09期 文 / 李冲3 f N! O% N! w- D1 e
6 l5 J9 f& x& j. i$ f4 ? V1 u' y
2 Z: f" O) R6 l" }: DAI（人工智能）赋能科学研究的全过程，离不开一类至关重要的基础工具——科学仪器。自古代科学萌芽以来，观测与实证便是科学研究的基本方法。科学仪器既是构建科学理论体系的重要基石，也是驱动科技革命和产业变革的重要引擎。纵观全球科技发展历程，科技强国往往也是科学仪器与高端制造装备强国，而我国在科学仪器领域仍存在诸多亟待突破的瓶颈。
9 w9 y! B. Z% i; m( A7 u; w5 R. h% o
当前，人工智能技术迭代加速、国际竞争日趋激烈。在此背景下，想要抢占科技发展先机，战略思维、核心技术与核心装备缺一不可。若不能在科学仪器领域突破关键核心技术、解决“卡脖子”问题，我国高水平科技自立自强的发展目标便会遭遇重重阻碍。
9 @" @4 I- ]' R" |. r; l+ P/ e% b# [2 U7 j7 X' u4 {% P
如何破局追赶？令人遗憾的是，国内科研工作者时常陷入思维误区，习惯用战术思维拆解、研判战略性发展问题。事实上，科研工作者必须摆脱局部优化的思维桎梏，搭建更高层级的技术关联体系，方能加快技术攻关进程。当然，重视战略思维不等于提出脱离实际的空泛构想，宏观战略终需落地，配套的实施方案也需持续优化。' w5 }7 R# o$ E8 [
; H, t4 ^! e6 }" t+ O. b3 v5 Z以电动汽车产业为例，若与历经百年迭代的内燃机体系开展同赛道竞争、持续跟跑，则很难实现弯道超越。正是依托“换道超车”的战略思维，叠加AI、自动驾驶技术的快速兴起，我国新能源汽车产业才能突破传统格局，稳固自身在全球汽车产业中的核心竞争地位。科学仪器领域的发展逻辑与之高度契合：若长期沿袭传统渐进式优化的路线跟跑，产业发展速度与质量必然受限。唯有推动AI、科学仪器与先进制造深度融合，重新界定科学仪器的技术能力边界，我国才有望迎来跨越式发展机遇。
" H; m8 \. g5 H' H
( J& g; C" W. {5 _( ]需要明确的是，“AI+仪器”并非AI对硬件的单向赋能，而是软硬件协同支撑的新型科研工具体系。在该体系下，AI不应仅充当科研活动的“协作者”与“执行者”，还应升级为科学发现的协同主体，在特定科研场景中扮演“参谋者”的核心角色。同时，科研工作者需厘清：AI赋能科学仪器与构建完全自主可控的科学系统存在本质区别。这一发展命题，既不局限于模型性能的升级，也不止步于科学仪器单一性能指标的优化，其本质上是一项复杂、系统、多维的工程体系建设工作。
& n* |( }& z) y1 e8 F7 v9 |+ q: h: M: D
( J# I5 j5 I4 R# }7 {, |- r针对科学研究中不可预测性强、调控难度大、论证流程复杂的系统性难题，AI能够发挥关键赋能作用。现阶段，AI for Science（科学智能，以下简称“AI4S”）领域发展仍存在四大断点，即感而不知、知而不动、动而不联、联而难用。如同人类依靠五官感知客观世界，若AI系统存在感知维度缺失等问题，就无法还原科研场景的真实信息，便是感而不知；在获取科研信息后，若无法输出对应的调控指令，便是知而不动；即便具备执行调控能力，各功能单元却独立运行、缺乏联动，便是动而不联；即便实现各类设备互联互通，若相关科技成果无法转化、难以有效解决真实的科学研究与产业发展难题，最终仍是联而难用。0 z# |( V* y; ~+ J1 O
3 z( Y9 I) C% [9 ~AI4S领域虽研发周期长、落地难度大，但蕴藏着巨大的发展机遇，目前国际层面尚未形成成熟、系统的理论框架与发展体系。因此，学界需引入并运用系统论思路，以全局视角统筹推进“AI+科学仪器+科学系统”一体化体系建设，跳出局部最优的思维局限，构建广域化、体系化的理论框架。* `" v/ J4 x) [+ z: j4 ~* T
现阶段，AI仅能实现现有知识体系内可训练、可习得的能力，距离支撑原创性科学发现、催生重大科学理论创造仍有很长的路要走。0 m4 d3 w, E& ~) \
/ J& Y( x4 m( R* [" f8 V! C t
以电化学能源器件领域研究为例，可再生能源具备天然的波动性，其规模化利用高度依赖储能装置调节以消纳新能源。当前主流储能系统多采用串联运行模式，系统内部任一局部或界面出现异常，都可能引发整体性能大幅衰减。电池成千上万次的充放电循环，是可逆反应与不可逆衰减并存的动态过程，系统运行状态无法简单复原至初始工况。现有研究多存在局限性，或在器件失效后开展拆解检测、复盘分析，或人为简化实验条件，本质上仅针对“病态样本”开展研究。然而，产业端真正需要的，是精准捕捉、研判真实工况下稳定运行的“正常样本”乃至样本集群的演化规律，而这一目标唯有依靠AI与科学仪器的协同创新、深度融合方能实现。, N) p) g( u9 y3 z4 U
, {1 f& ~2 I0 ~在此背景下，科学仪器急需加快发展，与AI协同演进、双向赋能。基于长期行业研判与技术洞察，早在2017年AlphaZero问世时，田中群便敏锐捕捉到AI赋能科研领域的重大发展机遇。6 s4 f6 q% r% N6 D5 Y0 c2 D6 J+ j
9 S% e& z% n+ Z3 _9 P
2019年，田中群所在团队正式启动机器学习相关科研工作，随后与多位跨领域学者开展协同攻关。与此同时，团队依托厦门大学科研资源，从底层技术切入，统筹推进算法研发、界面优化、理论创新、科学仪器研制等多维度科研工作，成功构建起“AI驱动—仪器传感—执行反馈—系统控制”的完整技术链条。; O" q a/ s( C5 U% F4 w" r
! F' o9 v8 b# K# G' M: R
在落地推进过程中，广大科研工作者必须树立清晰认知：当下赋能科研的AI、迭代升级的科学仪器、全新构建的科学系统，均与传统技术、设备、体系存在本质区别，不可混为一谈。同时，科研思维必须从局部优化转向全局优化，唯有实现全局优化，才有可能开辟新赛道，催生新型科学仪器、新型测量方法、新型能源器件与新型科学系统架构。
X) i5 `( e% d/ U8 |$ Y5 `: K( i6 _; M. `& h8 `
总而言之，科研工作者当前的紧要任务，是推动AI、科学仪器与科学系统协同赋能，助力科研体系与产业发展提速升级，最终实现AI对科学研究、工程技术、产业发展的全方位、深层次赋能。
7 ?6 q- z* b. E1 F5 f; j, v |
|
发表于 