2023 Zhongguancun Forum |. Wenn KI auf wissenschaftliche Forschung trifft, haben Wissenschaftler etwas zu sagen

Am 10. August 2018 organisierte die Peking-Universität eine schulinterne Diskussion und stellte erstmals das Konzept der KI für die Wissenschaft (wissenschaftliche Intelligenz) vor. Das Beijing Institute of Scientific Intelligence wurde letztes Jahr gegründet und ist die weltweit erste Forschungseinrichtung mit dem Thema „KI für die Wissenschaft“. Tatsächlich hat die akademische Gemeinschaft bereits früher relevante wissenschaftliche Forschungen durchgeführt und bestimmte Ergebnisse gesammelt. Am 30. Mai führten eine Reihe in- und ausländischer Experten auf dem Zhongguancun-Forum 2023 „Forum für künstliche Intelligenz angetriebene wissenschaftliche Forschung“ ausführliche Diskussionen und Austausche zu Themen wie der Bedeutung von KI für die Wissenschaft, Forschungsergebnissen und Talentausbildung usw. durch Der Schwerpunkt liegt auf der Rolle der künstlichen Intelligenz in Wissenschaft und Technologie. Forschungsfortschritte und Durchbrüche in den Biowissenschaften, den Materialwissenschaften und anderen Bereichen werden geteilt, um das Potenzial der künstlichen Intelligenz in der wissenschaftlichen Forschung weiter auszuschöpfen.

Warum ist es wichtig

Lassen Sie das wissenschaftliche Forschungssystem vom Workshop-Modus in den „Android“-Modus übergehen

In den letzten Jahren hat sich unter führenden internationalen Forschungseinrichtungen ein Konsens über KI für die Wissenschaft gebildet, und die Länder achten zunehmend auf das enorme Potenzial von KI für die Wissenschaft. Der Grund, warum dieses Konzept bei wissenschaftlichen Forschungseinrichtungen beliebt ist, liegt im Engpass der wissenschaftlichen Forschung.

„Es gibt zwei Möglichkeiten, wissenschaftliche Forschung zu betreiben: datengesteuert und grundprinzipiengesteuert.“ E Weinan, Akademiker der Chinesischen Akademie der Wissenschaften und Direktor des Beijing Institute of Scientific Intelligence, erläuterte die Schwierigkeiten dieser beiden Modi. „Der Flaschenhals der datengesteuerten Datenerfassung ist die Effizienz der Datenerfassung. Geringe Leistung und das Fehlen effektiver Datenanalysemethoden. Was das Fahren nach Grundprinzipien angeht, sagte Paul Dirac, einer der Begründer der Quantenmechanik, vor hundert Jahren, dass dies die Aufgabe sei.“ Die Suche nach Grundprinzipien ist im Wesentlichen abgeschlossen, aber der Schlüssel zur Verwendung von Grundprinzipien zur Lösung praktischer Probleme liegt darin, dass sie weniger effizient ist, weil die mathematischen Probleme, die zugrunde liegenden Prinzipien auszudrücken, zu schwierig sind.“

Dadurch ergeben sich einfache Probleme wie Strukturmechanik, Maschinenbau, Luft- und Raumfahrt und Elektrotechnik, die gelöst werden können, während komplexe Probleme wie Materialeigenschaften und Materialdesign, Medikamente und Katalysatoren nur durch Erfahrung und Versuch und Irrtum gelöst werden können Theorie und Anwendung der Ablösung.

Was ist die Grenze zwischen einfachen und komplexen Problemen? E Weinan glaubt: „Es ist die Anzahl der Freiheitsgrade (Dimension), was bedeutet, dass mit zunehmender Anzahl der Dimensionen der Komplexitätsindex des Problems zunimmt. Dies ist es, was KI uns bei der Lösung helfen kann. KI stellt datengesteuerte Modelle bereit.“ Neue Tools können die Zuverlässigkeit und Effizienz fundamentalprinzipbasierter Modelle verbessern und auch datengesteuerte und fundamentalprinzipbasierte Modelle kombinieren.“

Die vier grundlegenden Werkzeuge der wissenschaftlichen Forschung sind Grundprinzipien und Datenanalysemethoden, Experimente, Literatur und Rechenleistung.

Aus der Perspektive des Aufbaus neuer wissenschaftlicher Forschungsinfrastrukturen „ist die spezifische Betriebsmethode unserer wissenschaftlichen Forschung immer noch die Kleinbauern-Workshop-Methode, wie z. B. die Durchführung von Experimenten, den Kauf der gesamten Ausrüstung und die Durchführung von Anfang bis Ende selbst.“ Dieser Zyklus ist Sehr langwierig und ineffizient.“ E Weinan sagte, dass KI den Aufbau der nächsten Generation von Werkzeugen fördern, vom bisherigen Werkstattmodell zum Android-Modell übergehen und eine große wissenschaftliche Forschungsplattform, eine Open-Source-Plattform für Grundprinzipien und Wissen aufbauen werde Basis für Literatur und mehrere Experimentierzentren und eine experimentelle Cloud-Plattform, mehrere Rechenleistungszentren und eine Rechenleistungs-Cloud-Plattform für Rechenleistung.

Welche Ergebnisse

Literatur-Wissensdatenbank basierend auf einem großen Sprachmodell + Vektordatenbank

Der Konsens ist da und die Tools werden mit Spannung erwartet. Laut Statistiken der National Science Foundation verbringen Forscher 51 % ihrer gesamten wissenschaftlichen Forschungszeit mit der Suche und Verarbeitung wissenschaftlicher und technologischer Informationen, 8 % mit Planung und Nachdenken, 32 % mit experimenteller Forschung und 9 % mit schriftlichen Zusammenfassungen. Die Retrieval-Methode für wissenschaftliche Forschung wird von der konsultativen Augensuche und der internetbasierten Suchretrieval-Phase zur Konversations-Retrieval-Phase übergehen.

„Aber der Abruf durch Konversationsmodelle großer Sprachen weist Einschränkungen auf, wie etwa Illusionen und Vorurteile, Datenverzögerung und Cache-Einschränkungen“, schlussfolgerte Meng Zhuofei, Vizepräsident von Moqi Technology.

Basierend auf diesen Schwachstellen haben das Beijing Institute of Scientific Intelligence, das Computer Network Information Center der Chinesischen Akademie der Wissenschaften und Moqi Technology gemeinsam Science Navigator V1.0 veröffentlicht, eine Literaturwissensdatenbank, die auf großen Modellen + Vektorsuchmaschinen basiert. Die Wissensbasis umfasst wissenschaftliche Forscher. Die Benutzerschicht wird durch GPT4 dargestellt, die Modellschicht wird durch GPT4 dargestellt, die mittlere Schicht besteht aus Vektordatenbank + Suchmaschine und die Datenschicht wird durch Literatur und Lehrmaterialien unterstützt. Die Modellschicht ist für das Beijing Institute of Scientific Intelligence verantwortlich, die mittlere Schicht für die Moqi-Technologie und die Datenschicht für das Computer Network Information Center der Chinesischen Akademie der Wissenschaften.

Meng Zhuofei stellte vor, dass ScienceNavigator V1.0 die modalübergreifende Erkennungsverarbeitung von Text, Bildern, Tabellen und Formeln unterstützt. Wissenschaftliche Forscher können verschiedene große und kleine Modelle wie Wen Xinyiyan und LLM verwenden, um die besten Ergebnisse bei der Problemanalyse zu erzielen Die erste Charge enthält fast eine Million Dokumente aus den Bereichen Chemie, Materialien, KI usw. und wird in Zukunft auf Hunderte Millionen Dokumente in den Natur- und Geisteswissenschaften erweitert.

So integrieren Sie vertikal:

Etablieren Sie ein Kollaborationssystem + fördern Sie KI für die Wissenschaft im Klassenzimmer

KI für die Wissenschaft bedeutet interdisziplinäre und groß angelegte Integration. Es gibt immer noch viele Herausforderungen und Probleme in Bezug auf Talente, Mechanismen, Ökologie, Interdisziplinarität und andere Aspekte Das integrierte wissenschaftliche Forschungssystem im neuen Zeitalter erfordert Zusammenarbeit.

Dr. Huang Tiejun ist Präsident des Beijing Zhiyuan Artificial Intelligence Research Institute. Er verfügt über mehr als 30 Jahre Erfahrung in der wissenschaftlichen Forschung. „Unabhängig von Anwendung, Forschung und Entwicklung oder grundlegender Theorie ist die Gestaltung eines kollaborativen Systems besonders wichtig. Bei der Anwendung von KI im wissenschaftlichen Bereich müssen wir darüber nachdenken, wie wir besser zusammenarbeiten und effizientere Ergebnisse erzielen können.“ Beispielsweise gibt es mehr als 60 Arten von Elementarteilchen, es gibt mehr als 100 Arten von Atomen und die häufig verwendeten Zahlen sind relativ klar. Wenn die Organisation gut ist, können Sie das gesamte Periodensystem der Elemente durchgehen und schrittweise aufbauen Das gesamte grundlegende Modellsystem der Physik, Chemie und des Lebens wird aufgebaut, und jeder kann damit Forschung, Entwicklung und Anwendungen betreiben. Die Effizienz wird viel höher sein.“

Lei Lei, Assistentin des Dekans der School of Materials Science and Engineering der Peking-Universität, die für die Lehre im Bachelor- und Masterstudium verantwortlich ist, betonte die Talentförderung: „In diesem Jahr hat unsere Schule eine Reihe von KI-Kursen für Materialwissenschaften gestartet und dazu Experten eingeladen Von unserer Schule und anderen Schulen an der Peking-Universität und verwandten Experten Wenn Sie zum Unterricht kommen, hoffen wir, das Konzept der KI für die Wissenschaft so schnell wie möglich im Klassenzimmer bekannt zu machen, damit die Schüler sich von der ursprünglichen Denkweise und den Werkzeugen und deren Verwendung lösen können Neue Tools werden in der Tat dazu beitragen, den Fortschritt der experimentellen Wissenschaft zu beschleunigen, und die Bewertung von Studenten und Lehrern ist sehr positiv nicht reichhaltig genug und es werden mehr technische Referenzmaterialien benötigt

▲Mikro-Klassenzimmer

KI für die WissenschaftMaterialwissenschaft

„Materialien sind die treibende Kraft hinter fast allen Technologien“, sagte David Srolovitz, Mitglied der National Academy of Engineering in den USA und Dekan der Fakultät für Ingenieurwissenschaften an der University of Hong Kong. Die auf künstlicher Intelligenz basierende interatomare potentielle Energie ermöglicht groß angelegte Atomsimulationen mit nahezu QM-Genauigkeit. Die spezielle Anwendung der DP (Datenverarbeitung) deckt die perfekten kristallinen und fehlerhaften Eigenschaften von Strukturmetallen und -legierungen auf. Daher ist DP die einzige Möglichkeit, die Eigenschaften vieler Defekte zu verstehen.

KI für die WissenschaftBiowissenschaften

Xu Jinbo, angesehener Gastprofessor der Tsinghua-Universität und Professor des Toyota Computing Technology Institute in Chicago, USA: „Protein ist die materielle Grundlage des Lebens und der Hauptträger lebenswichtiger Aktivitäten. KI-Technologie eignet sich für das De-novo-Proteindesign in verschiedenen Anwendungen.“ Szenarien wie die Entwicklung abgeschwächter Proteine ​​werden zur Behandlung verschiedener Arten von Tumoren wie Magenkrebs, Darmkrebs, Leberkrebs und Melanomen entwickelt, um die Lebensmittelsicherheit zu gewährleisten.“

KI für die Wissenschaft

Atomdynamik Robert Carr, Akademiker der National Academy of Sciences und Professor des Department of Chemistry der Princeton University: „Ohne empirischen Input kann die KI-Modellierung komplexer molekularer Prozesse aus der grundlegenden Quantentheorie gute/ausgezeichnete Vorhersagefähigkeiten haben Erfahrung in Situationen, in denen dieser Ansatz in der Chemie, Materialwissenschaft und Biologie bei der Modellierung chemischer Reaktionen wichtig ist. Mit präziseren quantenmechanischen Referenzmodellen sollte es möglich sein, die Genauigkeit systematisch zu verbessern

Beijing Business Daily-Reporter Wei Wei

Das obige ist der detaillierte Inhalt von2023 Zhongguancun Forum |. Wenn KI auf wissenschaftliche Forschung trifft, haben Wissenschaftler etwas zu sagen. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!