本報訊（記者 劉蘇雅）北京在科學智能（AI for Science）領域的重要基礎設施建設持續取得成果。最近，由北京科學智能研究院牽頭，協同開源社區及30多家共建單位建設的大原子模型計劃（OpenLAM）新上線了7個科研領域的模型解決方案。該院還聯合多家單位發布新一代科研文獻開放平台，通過人工智能技術，讓科研人員的檢索效率顯著提高。

　　“語言數據的爆炸性增長，孕育了大型語言模型。微觀尺度數據的累積也催生了一種創新模型——大原子模型，它像是自然科學界的GPT。”北京科學智能研究院院長、深勢科技創始人張林峰解釋，我們生活在一個由原子構成的物質世界中，科研人員通過大原子模型，可以快速完成新物質、新材料和新原理的構建與發現。這個大模型將提升工業仿真能力，更好地模擬原子級的實驗現象，借給實驗科學家觀察微觀世界的“慧眼”，成為原子級生產制造“大腦”的重要組成部分。

　　自從2023年底發布以來，大原子模型計劃的應用領域覆蓋范圍不斷擴大。最近，該計劃通過開放社區共建的形式，又發展出合金、動態催化、分子反應、藥物小分子、固態電池、半導體、高溫超導7個領域的模型解決方案。

　　“很多重要的科學問題，本質上都是微觀問題。”張林峰舉例，讓鋰電池失效的鋰枝晶，生長原理尚未破解。因為使用傳統手段，很難再現幾十萬個原子在毫秒級時間內的變化。而人工智能大模型技術可以兼顧精度和效率。隨著這套模型的不斷升級，材料、能源、生物制藥等領域微尺度工業設計將實現變革，半導體、電池、合金、藥物將實現原子級別的生產制造。

　　“這就像是原子尺度下的‘活字印刷術’。”張林峰充滿期待地說，“大原子模型最終能夠征服元素周期表，為微觀科學研究提供新的基礎設施。”

　　借助人工智能大模型，為科研工作者量身打造的新一代科研文獻開放平台也已經開放。“這個平台是科學智能領域的又一項重要基礎設施。”北京科學智能研究院副院長李鑫宇介紹，當前，對學科交叉檢索、原文內容溯源、科研數據解讀的需求，已經遠遠超出了傳統文獻檢索工具的能力范圍。該平台通過人工智能向量數據庫疊加大語言模型，能用更少的成本，等效實現3至6倍參數量模型的效果。使用者還能在平台的基礎上構建自己的應用和智能體，形成一個全新的科研生態系統。

分享讓更多人看到