科学计算难到爆炸 AI能不能解放科学家

发布时间：2022-11-11 09:39 所属栏目：15 来源：互联网

导读：科学家在做科研时，往往需要从海量数据中分析出潜在的规律，再通过大量实验去验证猜想，才可能得到正确的结果。一旦科研中变量个数或维数增加，计算的复杂度将会指数增加，这就是所谓的维数灾难。深势科技创立后，团队面临的第一个挑战就是往哪儿走。AI for

　　科学家在做科研时，往往需要从海量数据中分析出潜在的规律，再通过大量实验去验证猜想，才可能得到正确的结果。一旦科研中变量个数或维数增加，计算的复杂度将会指数增加，这就是所谓的维数灾难。

　　深势科技创立后，团队面临的第一个挑战就是“往哪儿走”。AI for Science技术的应用范围很广泛，其中应用在材料科学领域更精准。但最终团队还是选择从药物研发领域切入，因为药物研发领域有完善的分工体系，所以开展技术的商业化能够更快落地。

　　找准了方向，团队也多了几分把握，但仍需面对早期资金、资源匮乏的困境。深势科技早期依靠研发驱动，需要大量研发人员。“因此我们尝试了各种方法，刚开始依靠团队在学术领域的成绩，拿到了一些科研订单，并于2019年获得北京中关村科技类项目的扶持，同时又和一些大实验室进行合作，才渡过了早期的‘生死危机’。”孙伟杰表示。

　　现在在全球范围内，深势科技软件平台的用户已超过1000个课题组，将近5万名科学家。同时在药物研发、材料研发领域，深势科技合作的企业客户超过50家，覆盖了众多医药类院校和研究所，如中国药科大学、上海医药工业研究院等。

　　在研发药物配方上，深势科技合作的大部分药企重点瞄准的是肿瘤疾病、CNS（中枢神经系统）疾病和自免疫疾病方向。近期，深势科技在肿瘤领域的热门靶点发现了新的药物分子。孙伟杰表示，此前这个靶点全球只公布了一个药物分子，而且该分子还会与蛋白质形成共价键，导致药物的毒性很强，同时活性也不高。

　　“而我们用AI加分子模拟的方法，模拟了蛋白质的动态变化，找到了一个全新的蛋白质结合口袋。根据这个口袋的特性，我们用AI计算筛选出了很多候选药物分子，只进行了86次实验，就获得了一个新颖且有效的化合物。这个药物分子比现有的毒性更低，活性更好，更有成交的潜力。”

　　随着AI for Science的商业化路线越来越明朗，许多国际大厂的创新团队也在探索这个领域，孙伟杰表示国外的DeepMind、薛定谔是这个行业的先行者，但大家擅长的领域各有不同。

　　“DeepMind更擅长的是数据驱动，他们是运用大量蛋白质分子结构的数据来训练AlphaFold2的精准度，而我们更擅长的是模型驱动，所以我们会在彼此擅长的领域里互相学习。”

（编辑：ASP站长网）