2023 年，人工智能領(lǐng)域最具影響的莫過(guò)于 GPT-4、ChatGPT 了。

ChatGPT 入選《Nature》2023 年度十大人物（Nature’s 10），這是有史以來(lái)第一次「計(jì)算機(jī)程序」——首個(gè)非人類實(shí)體入選?！禢ature》表示這一做法旨在認(rèn)可模仿人類語(yǔ)言的 AI 系統(tǒng)在科學(xué)發(fā)展和進(jìn)步中所發(fā)揮的作用。

同時(shí)，ChatGPT 在內(nèi)的 AI 工具也被《Nature》評(píng)為 2024 年值得關(guān)注的科學(xué)事件之一。期待更先進(jìn)的下一代 AI 模型 GPT-5、AlphaFold 新版本發(fā)布。

繼 ChatGPT 之后，全球各行各業(yè)大模型千帆競(jìng)發(fā)。

ChatGPT 火出了圈，在科學(xué)研究領(lǐng)域，衍生出哪些「科研 ChatGPT」？ChatGPT 在科學(xué)研究中有哪些應(yīng)用？

對(duì)于，ChatGPT 對(duì)科學(xué)領(lǐng)域的影響，科研界的研究人員雖然有不同的思考和探索。

有研究人員認(rèn)為，ChatGPT 已經(jīng)有了非常強(qiáng)大的能力，可以幫助我們進(jìn)行計(jì)算材料科學(xué)。同時(shí)，ChatGPT 仍然有很大的改進(jìn)空間。

有研究者認(rèn)為，ChatGPT 的準(zhǔn)確性是相對(duì)比較差的。大語(yǔ)言模型目前很難生成出超出人類認(rèn)知邊界的內(nèi)容，發(fā)現(xiàn)新的現(xiàn)象和建立新的理論。

ChatGPT 現(xiàn)在的狀態(tài)就像「Science GPT for Babies」。ChatGPT 出來(lái)的時(shí)間還很短，在 ChatGPT for Science 方面，大部分工作都是一些簡(jiǎn)單的 GPT 直接應(yīng)用，或者做一些微調(diào)。但這個(gè)階段很快就會(huì)過(guò)去。

對(duì)于「生化環(huán)材」等科學(xué)領(lǐng)域，機(jī)遇與挑戰(zhàn)并存，一方面是賦能「生化環(huán)材」，AI 助力更高效的科研，另一方面也存在人才的稀缺等挑戰(zhàn)。

今天，可能已經(jīng)到了一個(gè)給大模型找應(yīng)用對(duì)象、找落地場(chǎng)景的一個(gè)時(shí)代了？

另外，干濕實(shí)驗(yàn)室閉環(huán)，AI +機(jī)器人實(shí)驗(yàn)系統(tǒng)結(jié)合的「自動(dòng)駕駛實(shí)驗(yàn)室」是未來(lái)？

2023 年，ScienceAI 曾報(bào)道過(guò)很多 AI/LLM  for Science 相關(guān)研究。2023 年已接近尾聲，在此，我們盤點(diǎn)了這一年大語(yǔ)言模型在基礎(chǔ)科學(xué)研究領(lǐng)域取得的進(jìn)展。

那么，ChatGPT 對(duì)科學(xué)意味著什么？對(duì)科研帶來(lái)哪些改變？又催生出哪些科學(xué)基礎(chǔ)大模型？還有哪些值得期待的？

在此，ScienceAI 回顧了 2023 年 ChatGPT 浪潮下，在科學(xué)研究領(lǐng)域，全球發(fā)布的各大科學(xué)基礎(chǔ)模型，以及 ChatGPT 相關(guān)的科學(xué)研究......

溫馨提示：點(diǎn)擊推薦閱讀小標(biāo)題可直接訪問(wèn)相關(guān)文章

科研領(lǐng)域基礎(chǔ)大模型「 科學(xué) ChatGPT」有哪些？

ChatGPT 火出了圈，在科學(xué)研究領(lǐng)域，也出來(lái)很多基礎(chǔ)科研領(lǐng)域的「科學(xué)  ChatGPT」。

有自然科學(xué)領(lǐng)域大模型、生命基礎(chǔ)大模型、生物醫(yī)藥領(lǐng)域基礎(chǔ)大模型、地球科學(xué)大語(yǔ)言模型、醫(yī)療大模型、單細(xì)胞基礎(chǔ)模型、天氣預(yù)報(bào)大模型......

今年年初，谷歌 Med-PaLM 的下一個(gè)迭代：Med-PaLM 2，在醫(yī)學(xué)考試問(wèn)題上持續(xù)表現(xiàn)出「專家」醫(yī)生水平。7 月份，谷歌對(duì)醫(yī)學(xué)大模型進(jìn)行了優(yōu)化和升級(jí)。研究人員提出了新的基準(zhǔn) MultiMedQA，Med-PaLM 準(zhǔn)確率與人類醫(yī)生相當(dāng)。沒(méi)過(guò)多久，谷歌又提出了新的基準(zhǔn)。Med-PaLM M 是 「通才生物醫(yī)療人工智能」 的首次演示！

Med-PaLM M 概述。

2023 年 3 月 23 日，百圖生科在北京發(fā)布生命科學(xué)大模型驅(qū)動(dòng)的 AIGP —— AI Generated Protein 平臺(tái)。

AIGP 可以對(duì)各種各樣生命問(wèn)題進(jìn)行理解，有針對(duì)性地生成蛋白質(zhì)或者對(duì)生成式的方式設(shè)計(jì)蛋白質(zhì)。

AIGP 3 大功能模塊+12 項(xiàng)核心能力示意圖。

4 月 7 日，上海人工智能實(shí)驗(yàn)室團(tuán)隊(duì)發(fā)布全球中期天氣預(yù)報(bào)大模型「風(fēng)烏」。

基于多模態(tài)和多任務(wù)深度學(xué)習(xí)方法構(gòu)建，AI 大模型「風(fēng)烏」首次實(shí)現(xiàn)在高分辨率上對(duì)核心大氣變量進(jìn)行超過(guò) 10 天的有效預(yù)報(bào)，并在 80% 的評(píng)估指標(biāo)上超越 DeepMind 發(fā)布的模型 GraphCas。此外，「風(fēng)烏」僅需 30 秒即可生成未來(lái) 10 天全球高精度預(yù)報(bào)結(jié)果，在效率上大幅優(yōu)于傳統(tǒng)模型。

「風(fēng)烏」多模態(tài)網(wǎng)絡(luò)結(jié)構(gòu)。不同的模態(tài)通過(guò)不同的編碼解碼器處理，多模態(tài)特征通過(guò)跨模態(tài)融合模塊進(jìn)行融合。

4 月 19 日，清華大學(xué)智能產(chǎn)業(yè)研究院（AIR）團(tuán)隊(duì)在生物醫(yī)藥領(lǐng)域大模型方向上的最新進(jìn)展，開(kāi)源了輕量級(jí)科研版基礎(chǔ)模型 BioMedGPT-1.6B。最終目標(biāo)是生物醫(yī)藥領(lǐng)域基礎(chǔ)大模型。

5 月份，加拿大多倫多大學(xué)和彼得·蒙克心臟中心（Peter Munk Cardiac Centre）的研究人員，通過(guò)利用呈指數(shù)增長(zhǎng)的單細(xì)胞測(cè)序數(shù)據(jù)，首次嘗試對(duì)超過(guò) 1000 萬(wàn)個(gè)細(xì)胞進(jìn)行生成預(yù)訓(xùn)練來(lái)構(gòu)建單細(xì)胞基礎(chǔ)模型。這是第一個(gè)基于單細(xì)胞生物學(xué)的大型語(yǔ)言模型。

隨后，7 月份，該研究團(tuán)隊(duì)首次嘗試對(duì)超過(guò) 3300 萬(wàn)個(gè)細(xì)胞進(jìn)行生成預(yù)訓(xùn)練來(lái)更新 scGPT。

scGPT 模型概述。

8 月份，UNSW AI Institute 和澳大利亞國(guó)家超算中心以及 GreenDynamics 推出了首個(gè)自然科學(xué)領(lǐng)域大模型 DARWIN ：超過(guò)GPT-4，能自我設(shè)計(jì)新材料。

自然科學(xué)任務(wù)中 DARWIN 與 GPT-4 的對(duì)比分析?？梢园l(fā)現(xiàn)，DARWIN在物理、化學(xué)、材料科學(xué)特殊任務(wù)中的表現(xiàn)要優(yōu)于GPT-4。

9 月底，中國(guó)科學(xué)院多學(xué)科交叉研究團(tuán)隊(duì)組成的「指南針聯(lián)盟」（Xcompass Consortium）在 AI 能賦能生命科學(xué)研究方面取得了重要突破，成功構(gòu)建了世界首個(gè)跨物種生命基礎(chǔ)大模型——GeneCompass。

GeneCompass：首個(gè)跨物種生命基礎(chǔ)大模型。

9 月 21 日，清華系初創(chuàng)團(tuán)隊(duì)水木分子發(fā)布了新一代對(duì)話式藥物研發(fā)助手 ChatDD (Drug Design) ，覆蓋藥物立項(xiàng)、臨床前研究、臨床試驗(yàn)的各階段，作為制藥專家的得力 AI 助手，提升藥物研發(fā)效率。當(dāng)天，團(tuán)隊(duì)還發(fā)布了全球首個(gè)千億參數(shù)多模態(tài)生物醫(yī)藥對(duì)話大模型 ChatDD-FM 100B，在權(quán)威中文基礎(chǔ)模型 C-Eval 評(píng)測(cè)中達(dá)到全部醫(yī)學(xué) 4 項(xiàng)專業(yè)第一，也是在該四項(xiàng)任務(wù)上截至目前唯一平均分超過(guò) 90 分的模型。

聶再清教授發(fā)布藥物研發(fā)助手 ChatDD。

8 月份，上海交通大學(xué)的團(tuán)隊(duì)推出一個(gè) 70 億參數(shù)的地球科學(xué)大語(yǔ)言模型 K2。K2 是基于初代 LLaMA-7B 模型，并使用了 100 萬(wàn)余篇地球科學(xué)文獻(xiàn)以及和地球科學(xué)相關(guān)的維基百科的文章進(jìn)行更進(jìn)一步的預(yù)訓(xùn)練。

地球科學(xué)領(lǐng)域大語(yǔ)言模型 K2 的構(gòu)建流程圖。

9 月份，微軟亞洲研究院的研究團(tuán)隊(duì)提出了 BioGPT，這是一種在大規(guī)模生物醫(yī)學(xué)文獻(xiàn)上進(jìn)行預(yù)訓(xùn)練的特定領(lǐng)域生成式 Transformer 語(yǔ)言模型。研究人員在六項(xiàng)生物醫(yī)學(xué)自然語(yǔ)言處理任務(wù)上評(píng)估了 BioGPT，并證明他們的模型在大多數(shù)任務(wù)上優(yōu)于以前的模型。

大語(yǔ)言模型在科學(xué)研究中的應(yīng)用（LLM for Science）

在 ChatGPT 等 LLM 的熱潮下，基礎(chǔ)科研領(lǐng)域的研究人員，也應(yīng)用 LLM 進(jìn)行了各種探索，包括在材料、化學(xué)、生物、藥物等領(lǐng)域。

前不久，卡內(nèi)基梅隆大學(xué)的研究團(tuán)隊(duì)提出了一種基于 GPT-4 的智能 Agent（稱為 Coscientist），用一個(gè)簡(jiǎn)單的語(yǔ)言提示就可以執(zhí)行整個(gè)實(shí)驗(yàn)過(guò)程。能夠自主設(shè)計(jì)、規(guī)劃和執(zhí)行復(fù)雜的科學(xué)實(shí)驗(yàn)。

Coscientist 可以設(shè)計(jì)、編碼和執(zhí)行多種反應(yīng)，在濕實(shí)驗(yàn)中使用其機(jī)器人設(shè)備制造包括撲熱息痛和阿司匹林在內(nèi)的化合物。

Coscientist 系統(tǒng)架構(gòu)。

香港理工大學(xué)和密歇根州立大學(xué)的研究人員在分子發(fā)現(xiàn)領(lǐng)域利用 LLM 的強(qiáng)大功能進(jìn)行了探索嘗試。開(kāi)發(fā)了一個(gè)基于檢索的提示范式 MolReGPT，使用提示來(lái)指導(dǎo) LLM 在分子和分子文本描述之間進(jìn)行翻譯。

MolReGPT 的總體流程框架。

MIT 團(tuán)隊(duì)發(fā)布微調(diào)的大語(yǔ)言模型 MechGPT，可跨學(xué)科理解、多尺度建模。該方法包括使用通用 LLM 從原始來(lái)源中提取問(wèn)答對(duì)，然后進(jìn)行 LLM 微調(diào)。由此產(chǎn)生的 MechGPT LLM 基礎(chǔ)模型用于一系列計(jì)算實(shí)驗(yàn)，從而可以探索其知識(shí)檢索、各種語(yǔ)言任務(wù)、假設(shè)生成以及跨不同領(lǐng)域連接知識(shí)的能力。

MechGPT LLM 工作流程示意圖。

11 月 13 日，微軟團(tuán)隊(duì)在 arXiv 預(yù)印平臺(tái)發(fā)表題為《大型語(yǔ)言模型對(duì)科學(xué)發(fā)現(xiàn)的影響：使用 GPT-4 的初步研究》的文章。

微軟研究人員深入研究了 LLM 在科學(xué)發(fā)現(xiàn)/研究背景下的表現(xiàn)，重點(diǎn)關(guān)注最先進(jìn)的語(yǔ)言模型 GPT-4。研究涵蓋多個(gè)科學(xué)領(lǐng)域，包括藥物發(fā)現(xiàn)、生物學(xué)、計(jì)算化學(xué)、材料設(shè)計(jì)和偏微分方程。

澳大利亞新南威爾士大學(xué)的 Bram Hoex AI4Science 研究組提出了一種全新的 NLP 任務(wù)，即結(jié)構(gòu)化信息推斷（SII），成功利用 GPT-3 從科學(xué)文獻(xiàn)中獲取有價(jià)值的科學(xué)知識(shí)。該任務(wù)的成本極低，不需要提供專業(yè)性的標(biāo)注,僅僅依靠綜述論文。過(guò)去需要數(shù)十位頂尖科學(xué)家才能完成的科學(xué)信息總結(jié)，現(xiàn)在通過(guò) GPT-SII 的組合在幾秒鐘內(nèi)即可完成。

GPT-3 在 SII 任務(wù)的工作流程。

洛桑聯(lián)邦理工學(xué)院（EPFL）和羅切斯特大學(xué)的研究人員開(kāi)發(fā)了 ChemCrow，一種 LLM 化學(xué)智能體，旨在完成有機(jī)合成、藥物發(fā)現(xiàn)和材料設(shè)計(jì)等各種任務(wù)。

通過(guò)集成 13 種專家設(shè)計(jì)的工具，ChemCrow 增強(qiáng)了 LLM 在化學(xué)方面的表現(xiàn)，并出現(xiàn)了新的功能。該研究通過(guò) LLM 和專家人工評(píng)估，證明了 ChemCrow 在自動(dòng)化各種化學(xué)任務(wù)方面的有效性。

ChemCrow 的工具集。

荷蘭代爾夫特理工大學(xué)的研究人員提出了一種新穎的生成人工智能方法，用于自動(dòng)識(shí)別流程圖中的錯(cuò)誤并向用戶建議更正，即自動(dòng)更正流程圖。

該模型在合成生成的流程圖的獨(dú)立測(cè)試數(shù)據(jù)集上實(shí)現(xiàn)了 80% 的 top-1 準(zhǔn)確度和 84% 的 top-5 準(zhǔn)確度。結(jié)果表明該模型可以學(xué)習(xí)自動(dòng)更正合成流程圖。該流程圖自動(dòng)校正將成為化學(xué)工程師的有用工具。

Transformer 模型的自動(dòng)校正方法概述。

加州大學(xué)的研究團(tuán)隊(duì)使用 AI 模型 ChatGPT 執(zhí)行一項(xiàng)特別耗時(shí)的任務(wù)：搜索科學(xué)文獻(xiàn)。利用這些數(shù)據(jù)，他們構(gòu)建了第二個(gè)工具，一個(gè)預(yù)測(cè)實(shí)驗(yàn)結(jié)果的模型。

CCA 工作流程示意圖。

紐約大學(xué)和新南威爾士大學(xué)的研究團(tuán)隊(duì)使用簡(jiǎn)單的英語(yǔ)「對(duì)話」與 AI 模型制造了一個(gè)微處理芯片，這是一項(xiàng)史無(wú)前例的成就，可以加快芯片開(kāi)發(fā)速度，并允許沒(méi)有專業(yè)技術(shù)技能的個(gè)人設(shè)計(jì)芯片。

會(huì)話式 LLM 能否用于迭代設(shè)計(jì)硬件？

AI 未來(lái)在科學(xué)領(lǐng)域?qū)⒂心男┩黄疲?/h2>

未來(lái) AI 將在生命科學(xué)的哪些方面產(chǎn)生具體的突破？

在今年年初《理解未來(lái)》科學(xué)講座 AI for Science 系列 03 期線上討論中。

加拿大魁北克省人工智能研究中心（Mila）副教授唐建表示：「蛋白質(zhì)藥物設(shè)計(jì)可能是一個(gè)重要方面。我們可以利用生成式模型，去生成全新的小分子或者大分子藥物。另一方面，比較大的突破可能是多組學(xué)的數(shù)據(jù)方面，將帶來(lái)革命性的變化。未來(lái)，我們有可能可以理解整個(gè)組織，可以建立一個(gè)組織方面的模型。在疾病的診斷方面，未來(lái)可能會(huì)有比較大的突破?！?/span>

北京大學(xué)理學(xué)部主任謝曉亮表示：「組學(xué)確實(shí)是一個(gè)值得去研究突破的方向。當(dāng)然傳統(tǒng)領(lǐng)域也非常重要，因?yàn)闄C(jī)器學(xué)習(xí)，從圖像識(shí)別、人臉識(shí)別，實(shí)際上在醫(yī)學(xué)上的應(yīng)用看，癌癥的成像，更多是直接的應(yīng)用，其實(shí)還有更多的發(fā)展空間?！?/span>

北京科學(xué)智能研究院（AI for Science Institute, Beijing）院長(zhǎng)鄂維南表示：「生成模型的發(fā)展空間很大。然后組學(xué)方面，現(xiàn)在我覺(jué)得關(guān)鍵的問(wèn)題是怎么做是有效的。一個(gè)是我們要有效地把研究組織起來(lái)，要有不同的背景的人的參加。第二個(gè)是要找到一些新的 guiding principle?！?/span>

ChatGPT 能為計(jì)算材料科學(xué)做些什么？

3 月份，浙江大學(xué)材料科學(xué)與工程學(xué)院洪子健在《用于計(jì)算材料科學(xué)的 ChatGPT：一個(gè) Perspective》的展望文章中認(rèn)為：「總的來(lái)說(shuō)，ChatGPT 已經(jīng)有了非常強(qiáng)大的能力，可以幫助我們進(jìn)行計(jì)算材料科學(xué)。同時(shí)，ChatGPT 仍然有很大的改進(jìn)空間?！?/span>

此前，在與 MIT 賈皓鈞和段辰儒博士的對(duì)話中。在談及當(dāng)前科研領(lǐng)域的大模型研究處于什么階段？未來(lái)會(huì)有咋樣的一個(gè)「科研 ChatGPT」時(shí)，兩位博士給出了不一樣的答案。

賈皓鈞博士認(rèn)為，首先，ChatGPT 的準(zhǔn)確性是相對(duì)比較差的。但科學(xué)問(wèn)題非常注重精確。其次，大語(yǔ)言模型目前很難生成出超出人類認(rèn)知邊界的內(nèi)容，發(fā)現(xiàn)新的現(xiàn)象和建立新的理論。最后，做某一個(gè)垂直領(lǐng)域的大語(yǔ)言模型，能找到所有論文和公開(kāi)數(shù)據(jù)庫(kù)，一般都是已經(jīng)做出來(lái)的東西，只有成功的案例，這會(huì)導(dǎo)致訓(xùn)練集有很大的偏差。

段辰儒博士認(rèn)為，ChatGPT 現(xiàn)在的狀態(tài)就像「Science GPT for Babies」，ChatGPT 出來(lái)的時(shí)間還很短，大家的慣性思考仍然停留在怎么樣把 GPT 直接應(yīng)用在原本的問(wèn)題上。這導(dǎo)致目前在 Science 方面，大部分工作都是一些簡(jiǎn)單的 GPT 直接應(yīng)用，或者做一些微調(diào)。但這個(gè)階段很快就會(huì)過(guò)去。未來(lái)，值得探索的方向是以 GPT 為核心，串聯(lián)復(fù)雜的研發(fā)過(guò)程。以及在工業(yè)生產(chǎn)鏈條中，把它作為自然語(yǔ)言的接口，這樣就可以降低人們學(xué)習(xí)各種復(fù)雜的軟件、其他編程語(yǔ)言以及各種儀器之間的壁壘。

「自動(dòng)駕駛實(shí)驗(yàn)室」是未來(lái)

AI 和機(jī)器人實(shí)驗(yàn)的結(jié)合是實(shí)現(xiàn)自動(dòng)化材料探索、藥物開(kāi)發(fā)的關(guān)鍵。

如果 AI 系統(tǒng)可以承擔(dān)一些通常由人類研究人員執(zhí)行的信息任務(wù)，并且機(jī)器人系統(tǒng)可以執(zhí)行所需的物理任務(wù)，那么材料探索實(shí)驗(yàn)就可以自動(dòng)進(jìn)行。

日本國(guó)立材料研究所（NIMS）的研究人員將 AI 和機(jī)器人實(shí)驗(yàn)系統(tǒng)結(jié)合起來(lái)，進(jìn)行了開(kāi)創(chuàng)性的概念驗(yàn)證研究。研究人員開(kāi)發(fā)了 Python 庫(kù)：NIMS-OS，旨在實(shí)現(xiàn)機(jī)器人實(shí)驗(yàn)和 AI 的閉環(huán)，無(wú)需人工干預(yù)，實(shí)現(xiàn)自動(dòng)化材料探索。

NIMS-OS 中的流程以及每個(gè) Python 腳本的角色。

隨著化學(xué)家越來(lái)越多地使用自動(dòng)化設(shè)備和預(yù)測(cè)合成算法，自主研究設(shè)備正在接近實(shí)現(xiàn)。

新藥的開(kāi)發(fā)通常包括四個(gè)階段：設(shè)計(jì)、制造、測(cè)試和分析 (DMTA)。

將 DMTA 周期的每個(gè)步驟的生成算法、計(jì)算機(jī)輔助合成規(guī)劃 (CASP)、迭代更新的大型數(shù)據(jù)集以及自動(dòng)化學(xué)合成、純化和表征集成到一個(gè)工作流程中，可以提高實(shí)驗(yàn)效率，并最終實(shí)現(xiàn)自主化學(xué)發(fā)現(xiàn)。

目前，化學(xué)預(yù)測(cè)工具、逆合成規(guī)劃和性質(zhì)預(yù)測(cè)的一般性質(zhì)與現(xiàn)有小分子合成化學(xué)自動(dòng)化平臺(tái)的專業(yè)性質(zhì)之間存在差距?？s小這一差距可以促進(jìn)自主化學(xué)發(fā)現(xiàn)平臺(tái)的發(fā)展，該平臺(tái)可以在不同的發(fā)現(xiàn)空間之間進(jìn)行切換，而無(wú)需手動(dòng)重新配置。

11 月份，Google DeepMind 和加州大學(xué)伯克利分校的一組研究人員在提出了一個(gè)「自動(dòng)駕駛實(shí)驗(yàn)室」——A-Lab ，旨在利用 AI 和機(jī)器人技術(shù)加速新材料的發(fā)現(xiàn)和合成。事后，雖然倫敦大學(xué)學(xué)院教授對(duì)「A-Lab」提出質(zhì)疑。加州大學(xué)伯克利分校 Ceder Group 負(fù)責(zé)人 Gerbrand Ceder 回應(yīng)稱，該論文的目標(biāo)是「展示自主實(shí)驗(yàn)室可以實(shí)現(xiàn)的目標(biāo)」，而不是聲稱完美。仍需要更全面的分析方法。

科學(xué)本就是一場(chǎng)探索，有些研究可能并不能聲稱完美，但可以啟發(fā)我們進(jìn)一步研究和探索的方向。

卡內(nèi)基梅隆大學(xué)的研究團(tuán)隊(duì)提出了一種基于 GPT-4 的智能 Agent：Coscientist，能夠自主設(shè)計(jì)、規(guī)劃和執(zhí)行復(fù)雜的科學(xué)實(shí)驗(yàn)。葡萄牙里斯本大學(xué)（University of Lisbon）藥物化學(xué)家 Tiago Rodrigues 表示，「可以預(yù)想到自動(dòng)化硬件配備人工智能助手的未來(lái)。自動(dòng)駕駛實(shí)驗(yàn)室是未來(lái)，AI 工具來(lái)完全自動(dòng)化 DMTA?！?/span>

在不久的將來(lái)，AI 系統(tǒng)給出化合物最佳合成路線，或者藥物靶點(diǎn)，或者材料的最佳配比，結(jié)合科學(xué)領(lǐng)域的自動(dòng)駕駛實(shí)驗(yàn)室，最終，AI 機(jī)器人可以在實(shí)驗(yàn)室中執(zhí)行各種復(fù)雜的科學(xué)實(shí)驗(yàn)，例如制備化合物、新材料...