上海交大 AI4S 团队提出「智能化科学设施」构想,建立跨学科 AI 科研助手

软件工程专业见习(AI4S) 科学知识来自于文献和各类数据库(PDB),构建智能化的文献知识库,实现科学文献的分类检索与智能推荐,实验表征数据、计算模拟数据、文献数据等多模态数据库与知识库。开发高效好用的算力服务产品,为计算科学、微尺度工业设计场景助力,展现了高度整合算力平台任务类型、机器学习框架、算力组织形式、计算硬件的多样性,计算任务与计算硬件面临双重多样性。提供高通量的正向数据,新的反演算法。基于人工智能的实验表征反演算法,自动化实验表征方法与控制软件,实验表征与数据自动化采集与智能化管理,面向实验表征与计算模拟联动的解决。 阅读详情

近年来,人工智能在科研中的应用持续向纵深发展,同时也在不断扩张应用领域的广度,从蛋白质折叠到新材料发现,从疾病预测到预后诊疗,从天文探索到自然灾害分析……AI for Science 多点开花的背后,一方面是国内外 AI 企业面向科学研究领域的研发,降低了 AI 工具的使用门槛;另一方面也是科研人员在接纳「AI 帮手」的过程中,与其磨合出了高效的协作模式。

Nature 的一项分析显示,在 Scopus 数据库中,在标题或摘要中提到人工智能或人工智能相关关键词的论文比例,从十年前的 2% 上升到了现在的 8% 。然而,纵观以谷歌 DeepMind 为代表的科技大厂所发布的大模型等工具,以及海内外高校研究团队发表的相关研究成果,大多是面向特定领域的特定问题,可复制性不足。

北京大学智能学院林宙辰教授此前接受 HyperAI超神经专访时便表示:“目前的 AI 工具缺乏统一性,即使只针对数学学科,面向数论和面向几何学所开发的 AI 工具就已经存在很大差别,更不用提跨学科的AI工具了。AI 工具还没有像当今的计算机一样,成为基础底座,可以方便取用。目前的计算机语言有 C 语言、Java、Python等,完全可以基于其中一种语言解决数学、物理、化学等多学科的问题,这体现了其通用性,但是 AI 工具则不然,光看谷歌 DeepMind 的 Alpha 系列便可知一二。”

针对于此,上海交通大学人工智能研究院 AI for Science 团队杨小康教授等人提出了一种智能化科学设施的建设构想,形成科学领域大模型、生成式模拟与反演、自主智能无人实验及大规模可信科研协作等创新功能。相关研究成果已发表于《中国科学院院刊》。

在这里插入图片描述

论文地址:
http://www.bulletin.cas.cn/previewFile?id=52965146&type=pdf&lang=zh
关注公众号,后台回复「AI4S」获取完整论文

兼顾创新与赋能

上海交大 AI for Science 团队提出,实现智能时代的基础科学源头创新及其下游重大技术创新,急需破解 2 个核心问题:

*如何面向 AI for Science 的研究范式,建立全新的科学智能大设施?

*如何利用新一代 AI 实现对传统科学设施的赋能?

在这里插入图片描述

智能化科学设施的总体思路

在创新层面,需要系统性、整体性地释放新一代 AI(特别是生成式 AI 及大模型)在基础科学领域的创造性和通用性,实现自发假设生成、自动规律推演、自主无人实验、自驱可信协作等创新功能,推动超大规模、高速迭代的科学探索。

在传统科学设施和研究范式下,整个科研流程存在科学问题沟通难、科学实验操作难、科学数据共享难等困难。一些高精尖的大型科学设施及其科研环境高度复杂,此类困难尤为突出。利用新一代 AI 实现「科学问题(科学家)—实验设备(实验员)—科研数据及文献(科研机构及中介)」高效闭环,不仅是新建的科学设施需要具备的标配,更是在已有的科学设施升级改造过程中的新需求和新机遇。

所以,该团队提出的建设「智能化科学设施」 (AI enabled Scientific Facility, AISF) 的构想,兼顾了「创建高度智能化的科学新设施」和「赋能已有科学大设施」2 个层面。

在这里插入图片描述

智能化科学设施的架构设想

如上图所示,智能化科学设施形成了人在环路的科学智能大设施 3 层体系架构。

** 基础支撑层*,通过高性能计算、算力网,形成算力支撑;

** 科学模型层*,构建跨学科、跨模态的科学大模型,以及「AI 科研助手」;
** 实验应用层*,通过 AI 操作机器人、智能实验环境,实现自主无人实验和多方科研协作。

4 大创新功能

在 3 层架构的基础上,智能化科学设施能够形成传统范式所不具备的 4 个主要新功能,即科学大模型、生成式模拟与反演、高通量自主无人实验、大规模可信科研协作。

在这里插入图片描述

智能化科学设施的创新功能

科学大模型

科学大模型作为「AI助手」辅助人类科学家进行科学研究,需要具备跨学科的知识背景、处理跨模态数据输入、掌握外部科学工具的调用能力,结合反馈与评测,实现持续进化。

在这里插入图片描述

科学大模型整体架构

如上图所示,构建科学大模型需要在基础大语言模型之上形成 4 种专门能力,并构建对应的评测基准。

第一是跨学科跨模态统一输入的能力。在科学研究产生的数据中,除了文本数据,一般还有公式、图表、分子式等多模态数据,如何实现这些跨模态数据的统一输入,进而对跨学科的专业知识进行联合建模,是建立科学大模型亟待解决的挑战问题。

第二是有效调用外部科学工具的能力。大模型存在输出看似合理、实则错误内容的问题,而解决此类问题的一种可行技术途径是将大模型作为规划与推理引擎,通过调用不同类型的外部科学工具,以提高可信度和准确性。

第三是模型持续反馈和进化的能力。科学大模型一方面可以利用科研人员的高质量反馈,完善科学领域专业知识,增强科学知识建模与推断能力,提高科学内容生成、文献归纳推理等方面的水平;另一方面,可以利用实验反馈来不断提升其科学假设生成和实验方案优化的能力。

第四是幻觉 (hallucination) 消除能力。幻觉是指模型生成的内容与现实世界事实或用户输入不一致的现象。如何有效筛选专家知识,并利用高精准度的专业知识进行强化学习,实现大模型的迭代和更新,是消除科学幻觉的重要方法。此外,基于基座模型的定向优化和集成,在特定领域提升模型的可信度和精准度,也是修正科学幻觉的重要途径。

最后,科学大模型的评测基准一方面测试科学大模型的跨模态、跨学科数据理解和建模能力;另一方面评测科学大模型是否具有利用科学工具准确鲁棒地完成复杂任务的能力,以及是否具有较强的拒绝生成虚假和有害内容的能力。

生成式模拟与反演

用仿真及计算机模拟工具实现「理论—现象」之间的推演是科学研究的重要范式之一。传统的基于数值计算的模拟方法在很多现实场景中存在求解速度与精度等方面的局限与挑战。

在这里插入图片描述

仿真空间的生成式模拟与反演

如上图所示,以生成式神经网络为基础结构,可以将对复杂系统的数值求解问题转化为数据拟合问题,建立起从假设空间到仿真空间的高效映射,从而加速求解。此外,利用生成式渲染技术,还能够实现从仿真空间到观测空间的科学现象表观生成,进而实现横跨「假设—仿真—观测」3 个空间的闭环学习,驱动规律反演。

自主智能无人实验系统

自主智能无人实验系统旨在将 AI 和机器人领域的技术成果与科学实验进行结合,通过无人化、标准化、大规模的实验流程,提升实验效率和可复用性。

在这里插入图片描述

自助智能无人实验系统

其中,无人实验操作平台及智能化系统的任务流程主要包括 3 个步骤:

  • 方案自动优化
  • 自主任务规划
  • 无人实验操作

同时,根据操作精度的不同,无人实验操作可分为微观和宏观 2 种空间尺度。微观尺度下的无人实验的操作对象通常为活细胞、蛋白质等微小颗粒,多采用固定实验平台,其核心问题为提升高精度操作通量。宏观尺度的无人实验操作侧重实验流程的完备性,以搭载机械臂的可移动机器人为主在实验设备之间自主移动,完成多任务全流程的自动化实验。

此外,在硬件本体平台的基础上,构建智能化系统软件是自主智能无人实验平台的另一个基础问题,通过软件驱动自身状态感知、外部环境感知、移动导航、仪器定位、实验操作规划和控制执行等流程。深度强化学习与模仿学习可以通过环境交互的经验轨迹或专家示教轨迹进行自主学习,构建观测信息与最优动作之间的映射关系。

大规模科研协作

智能化科学设施支持数据共享,以便于 AI 模型的开发与测试,但是需要设计一系列措施对数据开发者的知识产权与利益进行确认与保护。近年来,去中心化科学 (DeSci) 备受科研人员关注,DeSci 旨在使用 Web3 工具,包括智能合约和区块链来解决科学研究中的知识产权问题,促进科学数据的共享流通。

在该研究团队提出的智能化科学设施架构中,区块链技术为打造安全、可信的协作环境提供基础,联邦学习技术能够在去中心化的协作环境中解决数据孤岛问题并保证数据安全和科研效率,互联网群体智能可以将不同的科研模块整合在统一的平台中,实现高效的大规模科研协作。

在这里插入图片描述

大规模科研协作系统

躬身实践,推动 AI for Science 发展

作为智能化科学设施构想落地的首个阶段,上海交大搭建了 AI for Science 科学数据开放平台,包括科学算力基座、科学数据、人工智能、科学协作等四个子平台,并基于该平台研制了「白玉兰科学大模型」,于 2023 年 7 月和 12 月先后发布 1.0 版和 2.0 版,涵盖化学、流体、法律、跨科学评测基准等方向。

其中,不久前发布的「白玉兰科学大模型 2.0」包括了「法律开源 (BAI-Law-13B)」和「化学合成 2.0 (BAI-Chem 2.0)」。

BAI-Law-13B 经过海量中文互联网、开源代码、司法文书、法律文件和法律书籍等权威数据,进行了领域预训练,形成了 BAI-Law-13B-Base 模型,在此基础上融合法律知识记忆、法律知识理解、法律知识应用等司法应用场景监督微调,形成了 BAI-Law-13B-SFT 模型。据悉,在第三方法律综合评估基准 LawBench 测试中,其超越了该测试中所有的开源中文通用大模型和中文法律大模型。

BAI-Chem 2.0 可实现快速高效的药物分子设计,每秒可设计 30 个类药性、靶点高亲和力分子;在公开数据集 USPTO 测试集上单步逆合成 Top1 的准确率较目前文献最优提升了 15%。对高通量实验数据的产率预测 R² 达到了 0.88;催化剂推荐准确率达到了 93.7%。目前,BAI-Chem 2.0 已有效连接湿实验验证,在线实现实验优化,快速提高化学实验效率。

早期关注到 AI for Science、并组建相应研究团队,足以可见上海交通大学对于 AI4S 这一 AI 前沿应用的重视。目前,该团队不仅已经产出相关成果,并且持续与相关企业合作,相信在不久的未来便能够真正实现「智能化科学设施构想」中的跨学科、平台型协作。

参考资料:
1.https://news.sjtu.edu.cn/jdzh/20240124/193351.html
2.https://cloud.baidu.com/news/news_85aaa2be-241d-45c2-8aa1-3c8bbcfbd09b

「文智助手」全场景办公AI助理AI+OPC全流程实践方案(大赛作品) 阅读详情

相关推荐

船载 OpenHarmony AIS 航海工作台:告警与防碰撞预警系统

船载OpenHarmony AIS航海工作台的告警与防碰撞系统,集成十余类告警(超速、偏航、会遇、SOS等),通过网格空间索引实现高效邻近判定,保障实时性。告警管理器统一调度规则、去重、通知与日志,支持悬浮球、语音、跑马灯、弹窗多渠道触达,确保航行安全。SOS紧急通道独立运行,避免干扰。系统设计强调性能优化与多场景适配,为航海安全提供核心支撑。

专注于计算机研发知识和资讯分享 538

CPU,GPU再到AI4S:诺贝尔奖推动AI for Science科研范式变革

大模型可以通过对大量科学数据的学习和分析,生成新的科学假设,为科学家提供新的研究思路和方向。例如,在生物医学领域,大模型可以结合生物学、医学、计算机科学等多个学科的知识,为解决复杂的医学问题提供新的方法和途径。当前,产学研各方共同致力于人工智能与科学的融合,产业界专注于工具创新,开源工具以及基于开源工具产生的创新成果呈现出爆发态势,AI4S 的研究范畴也拓展至更多的基础问题领域。AI4S 的问世,更是将科学计算推向了全新的高度,借助人工智能与科学领域的深度融合,极大地拓宽了科学研究解决问题的能力范畴。

LANHYGPU的博客 2249

Ubuntu上安装Claude Code CLI:从环境配置到排错全攻略

在Linux开发环境中,命令行工具的安装与配置是开发者绕不开的基础技能。无论是AI编程助手还是其他CLI工具,其运行都依赖于正确的运行时环境和包管理机制。以Node.js生态为例,版本管理器nvm解决了多版本切换的痛点,npm则负责全局包的安装与依赖解析。理解PATH环境变量的执行逻辑、全局bin目录的作用以及权限控制,是排查“命令找不到”或“EACCES”错误的关键。这些基础知识应用广泛,从本地开发到服务器部署都至关重要。本文以Ubuntu系统上安装Anthropic的Claude Code CLI为例,

weixin_28842367的博客 273

华科大/上海AI Lab/上海交大科研先锋深度分享:最新成果,顶会投稿经验,跨学科合作挑战……

作者:十九编辑:李宝珠转载请联系本公众号获得授权,并标明来源华中科技大学黄宏副教授、上海人工智能实验室 AI for Sciense 中心青年研究员周东展、上海交通大学自然科学研究院的助理研究员周冰心共同探讨了 AI 在社会科学、物理化学、生命科学领域的前沿发展,并分享了各自在选择科研方向上的见解,以及对 AI 顶会的投稿经验。人工智能融合了计算机科学、数学、统计学、认知科学等多个学科,其发展高度依赖跨学科人才的培养。

HyperAI超神经 931

一个固定翼飞机仿真程序带你系统性上手如何实现配平(工具箱+脚本)

老规矩,该博客所用的模型和脚本已上传至百度网盘,名字为“固定翼配平训练例子”,自己自取。

zouxu634866的博客 2575

《数学建模与数学实验》第5版 线性规划 习题3.4

1. 某鸡场有1000只鸡,用动物饲料和谷物混合喂养. 2. 某工厂用A1,A2两台机床加工B1,B2,B3三种不同零件. 3. 某工厂利用两种原料甲、乙生产$A_1、A_2、A_3$三种产品. 4. 每班的护士在值班开始时向病房报到,连续工作8个小时. 5. 某工厂生产 A1 、A2 两种型号的产品 6. 有两个煤厂A,B 7. 某工厂制造三种产品,生产这三种产品需要三种资源 8. 已知某工厂计划生产1,2,3三种产品,各产品需要在ABC设备加工。...

hexiaosi_的博客 2万+

AI 问数真的能替代 BI 报表吗?

AI问数赋能自然语言查询,提升临时分析效率,但无法替代传统报表。报表适用于稳定输出与持续监控,AI则擅长探索性提问。企业用好AI问数,关键在于夯实数据模型、统一指标口径、健全权限体系与结果校验机制。合理组合报表、仪表板与AI,才能实现高效、准确的业务洞察。

葡萄城技术团队博客 341

用C#和MQTTnet在WinForm里做个简易物联网监控后台(附完整源码)

本文详细介绍了如何使用C#和MQTTnet库在WinForm中构建一个简易物联网监控后台。通过实战案例,包括环境配置、MQTT服务端实现、客户端监控功能及高级优化技巧,帮助开发者快速搭建高效的物联网监控系统,适用于工业自动化和智能家居场景。

weixin_29540599的博客 393

ChatGPT、Perplexity、Gemini 与 AI Overviews 引用对比:谁的引用更可信

AI 引擎的引用机制差异很大:ChatGPT 以行内引用加 Sources 列表呈现来源,Perplexity 几乎逐句可溯源,Gemini 在回答中内嵌相关来源链接,AI Overviews 则把多源聚合答案与来源列表一起放在搜索结果顶部。本文从引用透明度、来源偏好、可干预性 3 个维度对比这 4 个引擎,并给出 GEO 的 3 点启示,帮企业在多引擎环境下提升被引用的概率。

淡然一笑 的专栏 280

秦时明月6.2魔改版_从零到一部署指南_含安卓客户端配置与GM后台直通

本文详细介绍了秦时明月6.2魔改版的从零到一部署指南,包括环境准备、服务端安装、安卓客户端配置以及GM后台直通等关键步骤。特别针对安卓客户端配置和GM工具使用提供了实用技巧,帮助用户快速搭建并优化游戏服务器,确保稳定运行。

weixin_42522964的博客 317

Unity 接入 Steam 平台

Unity 接入 steam sdk 的登录和应用内购买功能

MarinaTsang的博客 3908

【从零理解 Spring AI · 12】MCP 的两种角色:做客户端还是做服务端

上一篇讲了 MCP 的概念:标准协议、三大角色、M+N 替代 M×N。

nice_lcj520的博客 616

微信小程序 - 真机调试请求异常 Provisional headers are shown,微信小程序开发者工具调试没问题就真机测试时出现请求报错(微信小程序请求接口提示Provisional h)

微信小程序开发 Request Headers: Provisional headers are shown,微信开发工具请求正常,真机调试和上线之后出现 Provisional headers are shown,微信小程序开发工具调试没问题,真机调试Provisional headers are shown,在开发工具调试,请求正常没问题,使用真机调试,请求异常,微信小程序真机调试时后台是本地服务器,显示“Provisional headers are shown”问题解决,微信小程序websocket

🏆 前端领域优质创作者 1万+

抽象主义人工智能和生命体AI的内在联系

彭军辉提出“抽象主义人工智能”作为第四大AI范式,批判符号主义、连接主义、行为主义剥离生命本体的误区,确立“智能是现象,生命是本体”的核心公理。主张原生智能必须依附具备存续诉求的生命本体,提出“生命体AI理论”,构建七层演化阶梯与自闭环工程框架,强调智能不可跳过底层存续机制直接模拟语言。该体系为生成式AI提供科学边界,推动从“仿真表象”向“原生智能”的范式跃迁,开辟硅基人工生命新赛道。

抽象主义人工智能和生命体AI 209

kaggle学习笔记-餐厅数据挖掘

分析Zomato数据集的基本思想是为了公平地了解影响在班加罗尔不同地方建立不同类型餐厅的因素,每个餐厅的总评级,班加罗尔是这样一个城市,拥有超过12,000家餐厅,餐厅供应来自世界各地的菜肴。每天都有新的餐馆开业,这个行业还没有饱和,需求也在与日俱增。然而,尽管需求不断增加,新餐馆却很难与老牌餐馆竞争。大多数餐厅都供应同样的食物。班加罗尔是印度的IT之都。这里的大多数人主要依靠餐馆的食物,因为他们没有时间自己做饭。由于对餐馆的需求如此巨大,因此研究一个地方的人口统计学就变得很重要。

优快云XXCQ的博客 1862

数学建模模型总结

这是本人在两年内准备参加数学建模竞赛搜集到的模型资料,已经经过了本人的筛选和整理,希望能够对准备参加数学建模竞赛的学弟学妹们提供一些帮助!

OpenAI Control Room 架构拆解:给企业 AI Agent 加一套可审计的急停系统

OpenAI 公开了用于追踪和停止研究模型工作负载的 Control Room。本文拆解 job_id、推理前鉴权、35 秒撤销窗口与 Fail Closed 设计,并给出企业 AI Agent 急停控制面的数据模型、FastAPI 参考实现、缓存撤销策略和故障演练清单。

jerry764的博客 345

IDEA的使用指南

IDEA基于java的使用手册,可以最快速的上手,在使用中不断的丰富自己的使用技巧.

OpenClaw 深度调查:把 AI 助手做成你自己的控制平面

对 openclaw/openclaw 的完整技术尽调:Gateway 架构、Agent 运行时、工具与沙箱、30 个消息通道、181 个插件、安全信任边界、工程代价与采用建议。17 章 / 10 张图,全部数字标注口径,数据截至 2026-10-31。

厚积薄发 363

怀旧版电脑GBC模拟器

再现原版GBC掌机的界面,电脑运行连游戏界面都一样大小,很怀旧,很真实,(英文版)强烈推荐,很小的文件,很难才找到的。

ET2012新版免狗免安装绿色软件

ET2012新版免狗免安祖昂绿色软件。,新界面,新视觉,

AI赋能智慧港口建设|造形家快速生成港口全要素三维场景

随着智慧港口、港口数字孪生项目的持续推进,港口三维场景的需求日益旺盛。传统港口三维建模,往往需要航拍倾斜摄影采集数据,再人工搭建吊机、岸桥、船舶、集装箱等大量工业设施模型,项目周期长、人力成本高,修改迭代繁琐,制约港口可视化项目落地效率。国产AI三维建模工具,依托卫星影像 AI 识别能力,无需航拍作业,一键快速搭建港口完整三维场景,为港口数字孪生、方案汇报、投标演示提供高效的场景解决方案。

m0_69539167的博客 87

从设备增点到治理闭环:老旧小区物业数智化落地实践

系统连接合同审批、银行流水、收费记录与项目台账,执行到期提醒、收入核验、异常标色和月度对账,让每一笔资金来源明确、去向可查。针对设施老旧、诉求响应慢、公共收益不透明等问题,津南以6类小区为试点场景,统一建设物业数字化底座,关联楼栋、单元、房屋、业主、空间、设施设备、工单、公共收益等核心数据。系统采用统一编码管理,将摄像头、路灯、井盖、道路、绿化等设施纳入资产台账,解决纸质记录更新滞后、故障责任难追溯的问题。基于历史工单建立分类模型和知识库,辅助识别照明、给排水、电梯、环境秩序、秩序维护等问题;

wuyeshuzhihua的博客 163

企业微信iPad协议详解:接口接入、实时消息同步与语音转码实践

深入解析企业微信iPad协议的技术架构与开发思路,涵盖API接口接入、长连接通信、实时消息同步、Silk语音转码、异常重连及高并发优化,帮助开发者了解企业微信自动化系统的设计与实现。

欢迎来到祖安! 514

Product Hunt 热榜 2026-11-13:Plurai Simulation、YouArt Desktop App、Omnigraph

2026-11-13 Product Hunt 新产品精选:Plurai Simulation、YouArt Desktop App、Omnigraph。汇总 15 款产品的中文介绍、功能关键词和产品链接。

LaughingZhu的博客 619

【AI Agent面试系列】AI Agent可观测、评测、安全相关的知识点

之前的文章介绍了和,本文主要介绍AI Agent的测评、可观测等知识。

408

Docling 原理解读:是什么、为什么、怎么样

从论文视角拆解 Docling 的整体架构、DoclingDocument 数据模型、PDF 预处理、版面分析、OCR、TableFormer 双解码器、阅读顺序与装配流程,并解释版面框与 OCR 框的区别。

PLANTTHESON的博客 402

WorkBuddy 实战:一句话需求 → 七屏可交互原型,户外徒步 App 的 AI 设计全流程

WorkBuddy 实战:一句话需求 → 七屏可交互原型,户外徒步 App 的 AI 设计全流程,跟着博主一起来还原整个过程。

夜郎King的博客 5168

从认识人工智能到理解机器学习:我的 AI 入门第一课

正式开始学习人工智能之前,我对 AI 的认识其实比较模糊:知道 ChatGPT、知道大模型,也知道现在很多岗位都在谈 AI,但如果有人问我“人工智能到底是什么”“机器是怎么学会识别一只猫的”,我未必能从头到尾讲清楚。上午的课程更偏向行业全景:人工智能的发展、研究方向、NLP、岗位分工、学习路线和 AI Coding 工具。下午的课程更偏向技术基础:机器学习的原理、有监督学习、深度学习、模型训练和评估方法。

chh563的博客 573
上一篇: 超 5 万人参与,浙大吴息凤教授团队新作:健康与办公场所绿化水平有关
下一篇: 亚马逊工程师严选,超 40 篇 LLM 论文汇总
HyperAI超神经
博客等级 码龄7年 8873粉丝 1753原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值