AI与模拟加速科学发现：专访MIT教授Gómez-Bombarelli

摘要

MIT材料科学与工程系副教授Rafael Gómez-Bombarelli致力于通过AI和物理模拟加速科学发现。他相信我们正处于AI科学的第二个转折点——将语言模型与多模态融合，实现通用科学智能。其团队通过计算方法发现电池、催化剂、OLED等新材料，并创办Lila Sciences等公司，致力于构建科学超级智能平台，推动科研更高效、更协作。

内容框架与概述

文章首先介绍了Gómez-Bombarelli教授的研究历程与核心观点。他从2000年代中期开始将生成式AI应用于化学和材料领域，如今认为通过融合语言理解与多模态推理，AI将实现通用科学智能的突破。

随后，文章回顾了他的个人成长经历。他在西班牙长大，2001年获得化学奥林匹克竞赛冠军，后转向计算模拟领域。2016年他成为首批将生成式AI用于化学研究的人员之一，并共同创立了一家材料计算公司，后专注于OLED领域。

文章还描述了他加入MIT的过程。在Aspuru-Guzik的鼓励下，他于2018年加入MIT，建立了纯计算的研究团队，专注于材料成分、结构与反应性的计算研究，并与产业界保持紧密合作。

最后，文章探讨了AI在科学领域的未来。他认为AI for science是最具前景的AI应用方向，通过规模化实验与模拟，将推动科学发现进入新纪元。同时，他强调协作与开放的研究文化，致力于培养下一代科学家。

核心概念及解读

第二个转折点：Gómez-Bombarelli认为AI科学正在经历第二次重大变革，第一次是2015年前后的表征学习与生成式AI，第二次是将语言模型与多模态融合，实现通用科学智能。

高通量模拟：通过自动化计算方法，在短时间内进行数十万次材料计算，快速筛选出有潜力的候选材料，大幅加速新发现进程。

物理模拟与AI融合：物理基础模型提供可靠的科学约束，AI算法从数据中学习，二者形成良性循环，提升预测准确性与研究效率。

科学超级智能：Lila Sciences的愿景是构建能够自主进行科学推理、实验设计和材料发现的AI平台，推动生命科学、化学和材料领域的革命性突破。

原文信息

此摘要卡片由 AI 自动生成