"в настоящее время мы находимся на начальном этапе пятой промышленной революции, и искусственный интеллект глубоко меняет нашу парадигму исследований и разработок в области химии и материалов". на симпозиуме по искусственному интеллекту (ИИ) в области химии и материаловедения, состоявшемся в Яньтае 17 августа, Хуан Цишань, вице-президент Wanhua Academia Sinica, отметил, что с большой моделью химии и материалов в качестве входа, ИИ помогает читать литературу и экспериментальный дизайн, а модель ИИ была создана с помощью высокопроизводительной экспериментальной платформы, роботизированных химиков с различными инновационными методами вычислительной химии и сухих экспериментов для создания больших наборов данных моделей. это помогает нам лучше проводить крупномасштабный скрининг материала и новые молекулярные открытия.

Шэнь Сянцзянь, директор программы химической теории и механизма химического отдела Национального фонда естественных наук Китая, также отметил, что наступление эры ИИ изменило первоначальную модель « проб и ошибок », значительно сократило время исследований и разработок молекулярных материалов и сократило затраты на рабочую силу.

понятно, что машинное обучение является ядром ИИ и фундаментальным способом сделать компьютеры интеллектуальными. он использует численные алгоритмы и статистические модели, чтобы направлять компьютерную систему, чтобы найти правила в большом количестве данных, и использовать эти знания для предсказаний или суждений. "теперь, без машинного обучения, мы в основном ничего не можем сделать". Чжан Донхуэй, академик Китайской академии наук, сказал в интервью журналистам: « с помощью массивных данных машинное обучение может предсказать молекулярную конфигурацию новых материалов ». это помогает нам уменьшить размерность, упростить очень сложные проблемы в пространстве высокой размерности и сделать возможными вещи, которые не могут быть сделаны в прошлом ».

тем не менее, все еще существуют трудности в развитии ИИ в области химии и материаловедения. "основным узким местом применения ИИ являются данные, и промышленность в основном выкопала дивиденды публичных данных. способ решения проблем, связанных с данными, заключается в сочетании автоматизации и интеллекта, а суть заключается в том, чтобы изменить способ создания данных ». Ян Минцзюнь, главный научный сотрудник Shenzhen Jingtai Technology Co., Ltd., сказал: « с точки зрения предприятий, я думаю, что многое еще предстоит сделать с точки зрения бизнес-модели, инженерной оптимизации и принятия многоэлементных комбинированных решений. сформировать эффективную итерацию бизнес-модели данных ».

перед лицом двух проблем, связанных с нехваткой данных и чрезмерным упрощением теоретической модели материалов, доктор Чэнь Юэ из Yantai Capital Institute of Material Genome Engineering сказал, что институт разработал три основные технологии: вычислительную химическую реорганизацию данных о материалах (DRC), которая устраняет ограничение нехватки материальных данных, и теоретическую химико-усиленную модель ИИ (AI-TEML), чтобы решить недостаток недостаточной способности машинного обучения экстраполировать. система эволюции материалов, основанная на небольших образцах, может реализовать автоматическую и интеллектуальную итерацию новых материалов. соответствующая технология была успешно применена в исследованиях, разработках и индустриализации OLED оптических экстракционных материалов, электронных транспортных материалов и дымовых транспортных материалов Yantai Xianhua Science and Technology Group Co., Ltd., которая была инкубирована в « платформу Hessen AI » и планирует применяться и рекламироваться для большинства новых предприятий по производству материалов.

какова перспектива коммерциализации материального ИИ? Цзян Цзюнь, профессор Китайского университета науки и техники, сказал, что эта отрасль все еще находится в зачаточном состоянии и имеет много возможностей, но в исследованиях также есть слепые пятна. он подчеркнул, что в будущем академический акцент на разработке моделей должен сместиться с « абсолютной точности » на « стыковку спроса », думать с точки зрения применения, понимать два ключа « предварительного обучения » и « активного обучения », а также повышать практичность модели ИИ в области новых химических материалов посредством сотрудничества между человеком и машиной.

эта встреча проводится Научно-исследовательским институтом геном материалов Yantai Capital и базой Yantai компании Guotou Science and Technology Innovation Co., Ltd. Чэнь Сюэбо, профессор Пекинского педагогического университета, Ян Хуай, профессор Пекинского университета, Чжу Тун, профессор Восточно-Китайского педагогического университета, Чжоу Яньхуа, профессор Юго-Восточного университета, Ао Юфэй, ассоциированный научный сотрудник Института химии Китайской академии наук, Шэнь Линь, профессор Пекинского нормального университета, и Уци, ассоциированный научный сотрудник Sinopec Petrochemical Research Institute Co., Ltd. Фэн Пейчуань, председатель Yantai Xianhua Technology Group Co., Ltd., и другие эксперты предприятия присутствовали, чтобы поделиться докладом и провести углубленное обсуждение таких тем, как обучение машинам, передача моделей и будущее направление промышленного применения. эксперты на встрече заявили, что, как сказал академик Чжан Донхуэй, трудно полагаться на ручные модели для инноваций на основе огромного объема имеющихся данных. считается, что будущий материал ИИ сияет в области медицины, электронных химических веществ и полимерных материалов и станет важным решением для инновационного развития новой производительности. источник: Sinochem New Network