——記AI研究院首期“課題進(jìn)展文獻(xiàn)綜述”茶歇分享會

     在數(shù)字化浪潮席卷全球的今天，人工智能技術(shù)正以前所未有的速度重塑著各行各業(yè)的研發(fā)范式。煙臺國工智能科技有限公司AI研究院作為企業(yè)的"望遠(yuǎn)鏡"，肩負(fù)著探索前沿技術(shù)、引領(lǐng)創(chuàng)新方向的重要使命。為更好地履行這一職責(zé)，AI研究院于近期啟動了"課題進(jìn)展文獻(xiàn)綜述"系列培訓(xùn)分享茶歇會，首期活動聚焦"AI催化研發(fā)"這一前沿交叉領(lǐng)域，由國工智能AI催化研發(fā)課題負(fù)責(zé)人胡鈞員研究員帶來《AI催化研發(fā)手記：從小白到實戰(zhàn)派》的精彩分享。本次活動不僅是一次知識盛宴，更標(biāo)志著公司內(nèi)部學(xué)術(shù)交流機制的全新升級。

     催化科學(xué)作為化學(xué)工業(yè)的"基石"，在能源、材料、醫(yī)藥等眾多領(lǐng)域發(fā)揮著不可替代的作用。胡鈞員在分享中系統(tǒng)梳理了催化劑的基本概念與發(fā)展歷程，指出催化劑是"能夠加快反應(yīng)速度而在反應(yīng)前后自身不被消耗的物質(zhì)"，其核心價值在于"改變反應(yīng)進(jìn)程"和"降低活化能"。從19世紀(jì)的硫酸合成催化劑到當(dāng)代的電催化劑，催化技術(shù)的發(fā)展史堪稱一部人類工業(yè)文明的縮影。

圖1.催化劑世界發(fā)展史

     特別值得關(guān)注的是，催化劑的分類與應(yīng)用場景呈現(xiàn)出高度的多樣性。按照反應(yīng)體系可分為均相催化劑和多相催化劑；按照能量形式則包括熱催化、光催化、電催化等不同類型。這些催化劑在精細(xì)化工、大宗化工、環(huán)境保護(hù)和氫能產(chǎn)業(yè)等領(lǐng)域有著廣泛應(yīng)用。本次分享的國工智能AI催化研發(fā)課題以"改變世界的8大催化劑"為例，生動展示了催化技術(shù)如何推動社會進(jìn)步——從合成氨技術(shù)解決全球糧食問題，到費托合成實現(xiàn)能源轉(zhuǎn)化，再到手性選擇催化劑革新藥物合成，每一項突破都深刻改變了人類生活。

     盡管催化科學(xué)成就斐然，傳統(tǒng)研發(fā)模式卻面臨著越來越明顯的瓶頸。胡鈞員指出，催化劑研發(fā)是一個典型的多目標(biāo)優(yōu)化問題，需要同時兼顧"活性、選擇性、產(chǎn)率、壽命"等多項性能指標(biāo)，而這些指標(biāo)往往相互制約，形成"一組一定程度矛盾的性能"。在傳統(tǒng)實驗試錯模式下，研發(fā)一款新型催化劑往往需要"幾十年、數(shù)萬次實驗"的積累，投入巨大而效率低下。

     分子模擬技術(shù)的引入雖然部分緩解了這一困境，但仍存在明顯局限。量子化學(xué)計算方法如密度泛函理論(DFT)雖然能夠提供反應(yīng)機理的微觀洞察，但面臨"計算精度不高"的固有難題，主要源于"多電子情況，方程求解變難"的理論限制。此外，傳統(tǒng)計算方法"未包含時間尺度"，"難以考慮分子構(gòu)象多樣性"，在解決復(fù)雜催化問題時往往力有不逮。

     面對這些挑戰(zhàn)，國工智能AI催化研發(fā)課題組成員通過梳理近60年來諾貝爾化學(xué)獎的獲獎情況，探討了理論化學(xué)的發(fā)展脈絡(luò)與影響，并進(jìn)一步梳理了理論化學(xué)研究范式變化: 理論范式→ 計算仿真范式→ 數(shù)據(jù)驅(qū)動的范式。而當(dāng)前"AI for Science"的解決方案是“數(shù)據(jù)驅(qū)動的范式”的前沿，將其稱為科學(xué)研究的"第五范式"(情報學(xué)報, 2025, 44(2): 132-142.)。這一范式以人工智能技術(shù)為核心，通過"學(xué)習(xí)與預(yù)測自然界和人類社會中的規(guī)律"，實現(xiàn)科學(xué)發(fā)現(xiàn)和創(chuàng)新過程的加速。在催化領(lǐng)域，AI技術(shù)與分子模擬技術(shù)、實驗化學(xué)不斷地進(jìn)行融合，產(chǎn)生新的“融合算法”可以給催化領(lǐng)域帶來變革，這里列舉了三個例子：

圖3.科研范式演化圖

• 首先是“智能反應(yīng)路徑搜索算法”。反應(yīng)路徑搜索算法目前學(xué)術(shù)界有很多，如鍵重排方法、外力驅(qū)動模型、擴散模型和隨機行走算法，它們能夠高效探索反應(yīng)路徑空間，但在面臨復(fù)雜催化的場景中存在著計算緩慢、搜索空間巨大等情況。國工智能AI催化研發(fā)課題組團(tuán)隊開發(fā)的算法僅用5分鐘就完成了一個基元反應(yīng)測試，與傳統(tǒng)方法相比效率顯著提升。

• 其次是“分子生成算法”的創(chuàng)新。傳統(tǒng)分子生成方法存在"生成分子數(shù)量龐大"、"較多不符合化學(xué)規(guī)則"、"可合成性不可控"等問題。國工智能AI催化研發(fā)課題組成員通過構(gòu)建催化劑數(shù)據(jù)庫、制定強化學(xué)習(xí)新規(guī)則和融合多種優(yōu)化算法，開發(fā)出更高效的分子生成系統(tǒng)。這一系統(tǒng)能夠"由人工智能技術(shù)生成人類經(jīng)驗之外的催化劑分子"，大大擴展了研發(fā)的探索空間。

• 最后是“預(yù)測模型的構(gòu)建”。通過機器學(xué)習(xí)技術(shù)分析催化劑描述符與性能之間的關(guān)系，建立高精度的預(yù)測模型。國工智能AI催化研發(fā)課題組特別強調(diào)，工業(yè)界場景下的AI應(yīng)用面臨"數(shù)據(jù)量較小"的挑戰(zhàn)，需要開發(fā)"模型泛化能力要求較高，模型不宜太復(fù)雜"的解決方案，這對AI技術(shù)使用者提出了更高要求。

   

     理論創(chuàng)新需要實踐驗證。胡鈞員分享了一個極具說服力的案例：某國內(nèi)龍頭化工企業(yè)長期依賴進(jìn)口的聚烯烴催化劑研發(fā)項目?？蛻?quot;花費幾年時間，合成數(shù)百個分子"卻幾乎毫無進(jìn)展，稱之為"眾多課題中最難的一個"。面對僅有66條實驗數(shù)據(jù)的"少數(shù)據(jù)量場景"，國工智能AI催化研發(fā)課題組團(tuán)隊運用AI技術(shù)，在一年半時間內(nèi)實現(xiàn)了突破性進(jìn)展。

    通過構(gòu)建"活性描述符"、"選擇性描述符"和"固體量描述符"的預(yù)測模型，團(tuán)隊開發(fā)出能夠生成百萬量級候選分子的AI系統(tǒng)。經(jīng)過高通量篩選，最終確定了一個各項性能均達(dá)標(biāo)的分子結(jié)構(gòu)。令人驚嘆的是，AI"只推了一個分子，就達(dá)到客戶做了幾年實驗、合成數(shù)百個分子所能達(dá)到的水平"。目前該分子已進(jìn)入小試階段，有望成為"世界首個由人工智能設(shè)計的可商用催化劑分子"。

     這一案例生動展示了AI技術(shù)在解決"卡脖子"問題上的巨大潛力。通過AI輔助研發(fā)，中國企業(yè)有望在關(guān)鍵催化技術(shù)上實現(xiàn)自主創(chuàng)新，打破國外幾十年積累形成的技術(shù)壟斷。

     基于這些成功經(jīng)驗，國工智能AI催化研發(fā)課題提出了構(gòu)建"催化劑AI研發(fā)平臺"的愿景。該平臺將分為三個層級：

• （1）強定制化產(chǎn)品：面向復(fù)雜研發(fā)需求，需要融合計算化學(xué)、人工智能和催化劑專業(yè)知識；

• （2）半定制化產(chǎn)品：則主要服務(wù)于常規(guī)催化劑研發(fā)，提供可編輯界面；最終目標(biāo)是開發(fā)；

• （3）標(biāo)準(zhǔn)化小分子催化劑平臺：實現(xiàn)"錄入歷史實驗數(shù)據(jù)和催化劑基本信息→性質(zhì)預(yù)測→分子生成"的完整工作流。

   

     國工智能AI催化研發(fā)課題組展示了平臺測試案例：僅需20分鐘即可構(gòu)建預(yù)測模型，1-2分鐘完成單個性能預(yù)測，DFT高精度計算也僅需數(shù)小時。這種高效率、智能化的研發(fā)平臺有望徹底改變傳統(tǒng)催化劑的開發(fā)模式。

     首期"課題進(jìn)展文獻(xiàn)綜述"茶歇分享會在熱烈的討論中圓滿結(jié)束。國工智能AI催化研發(fā)課題的報告不僅系統(tǒng)梳理了AI催化研發(fā)的前沿進(jìn)展，更通過真實案例展示了技術(shù)創(chuàng)新如何轉(zhuǎn)化為產(chǎn)業(yè)價值。這一活動充分體現(xiàn)了AI研究院作為公司"望遠(yuǎn)鏡"的戰(zhàn)略定位——既要有仰望星空的前瞻視野，也要有腳踏實地的實踐智慧。

    催化科學(xué)的AI賦能只是一個開始。隨著AI for Science范式的深入發(fā)展，我們有望在更多領(lǐng)域見證類似的變革。對煙臺國工智能科技而言，這既是機遇也是挑戰(zhàn)：如何將AI研究院的前沿探索與公司主營業(yè)務(wù)有機結(jié)合？如何培養(yǎng)既懂專業(yè)技術(shù)又精通AI算法的復(fù)合型人才？這些問題值得每一位國工人深思。

     未來，AI研究院將持續(xù)舉辦高質(zhì)量的學(xué)術(shù)交流活動，營造開放、創(chuàng)新的學(xué)習(xí)氛圍，為公司高質(zhì)量發(fā)展提供智力支持。正如本次分享會所展示的，在科學(xué)與技術(shù)邊界日益模糊的今天，唯有跨界融合，方能智創(chuàng)未來。