读创/深圳商报首席记者 吴吉 通讯员 王可佳

12月4日，正值北京大学深圳研究生院建院21周年，“未来之后（Next-Post-Future）”AI4S（AI for Science）鹏城学术论坛在云端拉开序幕。论坛群英荟萃，邀请AI for 数理科学、材料设计、蛋白质组学、创新药物研发等多领域的多位国内外院士专家与产业精英分享前沿突破与技术应用，共商AI4S未来发展大计。本次论坛通过多个平台进行线上直播，吸引了280万余人次观看。

余少华院士主持论坛开幕式

该论坛由北京大学深圳研究生院、鹏城实验室联合深圳中国科学院院士活动基地共同发起，中国科学院院士、北京大学副校长、北京大学深圳研究生院院长张锦，中国工程院院士、鹏城实验室主任高文为论坛联合主席。论坛由鹏城实验室副主任、中国工程院院士余少华主持。

该论坛也是北大深研院“迎院庆·续华章”院庆学术活动，旨在推动北京大学深圳研究生院加快构筑基于AI 牵引的多学科交叉研究生态，探讨AI4S新兴交叉学科的前沿问题与建设路径。

广东省科技厅副厅长吴世文首先致辞。他提到，根据国家部署，广东省积极融入国家科技战略大局，积极谋划部署战略科技力量建设，围绕全过程创新生态链，推进粤港澳大湾区建设具有全球影响力的国际科技创新中心和高水平人才高地，在新时代焕发出创新的活力。在线上云端召开本次论坛，与“云时代”的天然禀赋内在贯通；主办方组织在深圳这片热土探讨AI4S，能够链接全球顶尖学术资源，建设AI牵引的学术生态，形成战略科技力量发展合力，为构建创新型国家，推动广东省构建教育支撑创新、科技引领产业的融合共进新模式提供不竭的源头动力，意义深远。

张锦院士致开幕辞

中国科学院院士，北京大学党委常委、副校长，北京大学深圳研究生院院长张锦致开幕辞。他表示，北京大学深圳研究生院是北京大学建设中国特色、世界一流大学的重要组成，致力于传承北大的学科优势，提亮深圳改革创新的底色。今日恰逢深研院成立21周年，北大深研院将坚持“问题导向、南北联动、AI牵引、创新融合”的未来发展理念，大力建设北京大学“新工科”南方基地。他寄语“未来之后”AI4S学术论坛成为共同交流AI4S领域新突破，构建研究新生态，激发科创新力量，共创未来新蓝图的平台。

高文院士致开幕辞

中国工程院院士、鹏城实验室主任高文致辞，他介绍了鹏城实验室近年来在网络通信、基础设施领域的基本研究情况和成果。他表示，开展本次论坛非常重要，希望大家集思广益，多出想法。实验室不仅可以提供高算力支持，也会有其他支持计划比如联合招聘、项目支持等。他期盼通过多方助力，使AI for Science的研究、设备、应用、成果拥有较高起点、较高站位、较高显示度。

计算归途

上午的论坛围绕“计算归途”主题展开。科学研究的范式不尽相同，但最新的科学研究范式与计算科学息息相关。该主题致力于介绍科学研究方法的新主力军，并在历史重要转折点上推动国内科学家和青年学者紧跟潮流。

鄂维南院士作主旨报告

中国科学院院士、北京科学智能研究院（AISI）院长、北京大学国际机器学习研究中心主任、北京大学讲席教授鄂维南作题为《AI for Science——一场正在发生的科技与产业革命》的主旨报告。鄂维南院士长期从事计算数学、应用数学、机器学习的研究，是国际上多尺度模型和多尺度算法的领军人物。2018年夏天，鄂院士领衔在燕园举办AI for Science会议，为国际上首次运用该名称的研讨会。经过4年的发展，AI for Science已经成为一种具有普遍性和共识性的理念。鄂维南院士在其报告中介绍了机器学习遵循的基本规律、数据来源、应用场景和实际案例，擘画了未来AI for Science的巨大发展潜力：能够推动下一代工业制造；将科学研究在从“小农作坊”模式向“安卓”模式转变；推动形成彻底的交叉科学文化，繁荣学术。

中国科学院院士、信号与信息处理专家、西安交通大学教授、琶洲实验室主任徐宗本，承接了鄂维南院士提出的“倒逼AI发展”的话题，作题为《如何学习学习方法论？AI for AI的一个尝试》的主旨报告。报告从机器学习的先验性局限出发，针对损失函数先验、空间大容量、数据完备性、正则子先验、分析欧式框架五种先验假设问题，提出任务到方法的学习方法论模型，并介绍了实现方案SLeM模型。模型在数据自选择、参数自校正、网络自调节、度量自学习、算法自设计方面均具有突出表现。报告最后重申了机器学习算法的自动化的重要意义，对任务导向的AI方法设计做出展望。

加拿大皇家科学院院士、ACM/IEEE/ISCB Fellow、滑铁卢大学University Professor李明（Ming Li）带来了《基于人工智能的个体化新抗原发现和验证》的主题分享。他将目光聚焦在人工智能与生命健康领域结合的可能性，探索如何应用人工智能实现个体化的癌症免疫治疗，并提出了理想的个体化新抗原发现与检测流程。李明教授指出，借助深度学习能够寻找新抗原和免疫原性，从而达到个体化的免疫治疗。

诺贝尔物理学奖获得者、新加坡国立大学教授康斯坦丁·诺沃肖洛夫（Konstantin Sergeevich Novoselov）带来了“面向未来的材料：利用人工智能进行材料设计”（“Materials for the Future：the use of AI for materials design”）的主题分享。他讲解了人工智能在材料制造领域的应用，介绍了团队研究的创新成果，强调AI在未来材料设计中的重要性和适用性。

生生不息

杨震教授主持

“生生不息”是下午论坛的第一个主题，由北京大学深圳研究生院常务副院长杨震教授主持。生命体结构与社会结构的关联关系和变化规律是科学研究的永恒主题，人工智能推动形成了密集数据驱动的科学范式，帮助研究学者挖掘隐藏于高维高通量多维融合的大数据中的，凝聚起探索生命体及社会组织的磅礴力量。三位嘉宾分别从生命科学和智慧城市两个领域进行主旨报告分享。

中国科学院院士、中国科学院上海药物所研究员蒋华良以“AI赋能药物研发”为主题展开分享。蒋华良院士从AI促进药物研发、AI药物研发探索、知识库的构建等几个方面进行了介绍，提出AI对新药的研发产生明显促进作用，显著缩短了筛选时间，提升了临床成功率，同时广泛运用在药物的生产工艺优化当中。蒋华良院士还提出基于序列的设计药物、结构图像识别和基因药库三方面构成具体可行的药物研发探索路径，以及从生物医学基础研究文献、药物研发文献和专利、药物临床研究数据这些海量数据有效的知识挖掘方法。

中科院院士、发展中国家科学院院士、国家蛋白质科学中心（北京）理事长、军事科学院军事医学研究院研究员贺福初进行题为《AI助力蛋白质组学解码人体分子构造原理》的报告分享。报告从人类基因组学及其局限性切入，深入浅出解读了世界和中国蛋白质组学的发展历史，进而聚焦到蛋白质组学驱动的精准医学，生动阐释了蛋白质组学研究对揭示生命奥秘、促进人类健康的重要性。贺院士重点介绍了人体蛋白质组导航计划，按照“数据－信息－知识－智慧”的认知升阶逻辑，介绍了从海量生物医学数据中利用人工智能技术进行知识发现的全链条实现，提出了从大量临床数据信息中解释人体构造原理，进而全面发展智慧医学的设想。在梳理了AI技术应用的几大挑战后，贺院士号召广大科技工作者积极投身这一广阔的研究领域。

英国皇家科学院院士、英国国家学术院院士、伦敦大学学院（UCL）教授Michael Batty，以“AI，Digital Twins and the Science of Cities”为主题，讲述了数字孪生概念的诞生、发展的历史和未来。Batty院士从谷歌翻译等日常生活工具的生动例子切入，讲述了大数据对构建数字孪生城市的奠基作用，接下来展望了虚拟现实（VR）、增强现实（AR）技术、城市三维模型和建筑信息模型（BIM）各自对数字孪生城市的助力。关于具体的研究问题，Batty院士列举了通过客流量开展实时调度的交通系统生活化案例，以及城市人车流模型的构建、城市长期变化的预测学术命题，并从海量场景的智能筛选研究，探讨智慧规划与智慧城市的目标异同。

解锁触角

在新一轮科技革命中，人工智能以其渗透性，创新链与产业链协同，推动了生产要素、生产方式和商业模式的伟大变革。5位科技新锐分享他们在人工技术和产业应用创新的经验。该主题由北京大学深圳研究生院党委书记谭文长教授主持。

谭文长教授主持

深势科技创始人&CEO孙伟杰先生，以“AI for Science新范式驱动药物和材料理性设计”从研发需求、AI作为突破性的计算模拟及设计工具等多重角度展开解读。孙伟杰认为，过去药物和产业以实验为主的研发模式，有望抽象成一系列的科学问题来应用AI探究，并在精准评估分子的物理、化学、生物等方面的性质前提下，去搜索一个非常巨大的化学空间。孙伟杰还介绍了药物和材料的设计更多在微观层面，而AI for Science的出现，使得靶向量子力学、分子动力学这些关键的物理模型得以与AI结合，也能解决很多微尺度工业关键问题。

广州国家实验室研究员、广州标智未来科学技术有限公司创始人廖矿标博士面对传统化学合成中由于多变量协同、多步合成过程需要高水平人才手动重复试错的难题带来《化学合成自动化与智能化》分享。在AI技术的支撑下，未来团队将基于超高通量自动合成平台与AI化学家反应预测平台的开发，助力高质量实验数据库建设，实现标准化下的 “快试错”与精准预测下的“少试错”，推动化学合成过程走向自动化与智能化，加速化学合成科学研究效率提升。

溪砾科技联合创始人、董事长李阳博士针对靶向RNA药物开发主题，进行《创新药物研发新范式：AI+RNA+小分子》的报告。沿着中心法则向上追溯，靶向RNA可有效扩展传统靶向蛋白质的小分子药物研发空间，其中AI平台面对数量庞大的RNA可靶向空间，在靶向RNA小分子药物研发中发挥核心关键作用。溪砾科技借助算法和大规模测序解析RNA结构、建立自动化迭代模型、进行RNA靶点与相关化合物的大规模筛选及优化，搭建AI驱动的药物研发平台VoyageR，推进面向罕见病、肿瘤与代谢等的靶向RNA小分子药物研发，打造创新药物研发新范式。

北京大学深圳研究生院新材料学院副教授、深圳屹艮科技有限公司首席科学家郑家新副教授融合学术与产业视角带来《机器学习力场应用于锂金属负极生长机理研究》的分享。目前基于连续介质模型、分子动力学与第一性原理计算的多尺度模拟技术无法兼顾时间/空间尺度与精度，物理驱动的机器学习则突破多尺度耦合问题。机器学习力场在主动学习的框架下，通过DFT训练数据计算收集、Deepmd多势场训练与分子动力学收集预测结果差的构型，提升训练效率，为金属锂沉积现象、锂铜界面势场构建与界面性质与锂枝晶的动力学与生长机理研究提供了有效手段。

西湖大学特聘研究员、西湖大学蛋白质组大数据实验室负责人、西湖欧米创始人郭天南博士以“AI赋能蛋白质组大数据,探索生物医药未知领域”为题带来《AI赋能的蛋白组学最新进展》的分享。在“街灯效应”下，现有生物医药领域研究与产业转化主要关注已知的蛋白质，对于未知的蛋白质探索仍较为稀缺。蛋白质组学（Proteomics）指一个生命体内所有蛋白质的结合，在生命科学中具有重要价值与应用。将人工智能应用于蛋白质组学，并与大量临床数据相结合，高通量、微量组织蛋白质组技术已在甲状腺结节诊断等肿瘤领域展现出广阔的应用前景。

田永鸿教授致闭幕辞

北京大学深圳研究生院信息工程学院院长、鹏城实验室网络智能部副主任、IEEE Fellow田永鸿教授为论坛致闭幕辞。田永鸿教授衷心感谢在今日“未来之后”AI4S鹏城学术论坛上带来精彩分享报告、并在AI4S的学术与产业领域作出重要贡献的各位专家学者，指出正是他们的前瞻性学术洞察、高水平科学研究展现了AI4S在不同学科领域所取得的显著进展与巨大潜力。他表示，北京大学深圳研究生将举办月度AI4S特邀专家主题讲座，并于每年12月举行院庆AI4S系列学术论坛，共同探讨AI4S学科领域未来发展大计，持续推动AI4S学科平台与新科研范式牵引下的研究创新。

未来之后AI4S鹏城学术论坛高位链接全球创新学术资源，构筑AI4S的“对话之桥”。北京大学深圳研究生院将坚持“问题导向，聚力攻关”，与深圳市、粤港澳大湾区等科技创新型企业强化战略协同；坚持“AI牵引，范式更迭”，探索以AI为核心牵引、深化学科交叉融合的科研新范式，驱动实现在新材料、生命健康与生物医药、智慧城市和江河治理、数字经济-金融科技-创新法治等领域的群体突破，推动科学文化变革和制度创新；坚持以高水平学科和科研平台建设为依托，推进重点学科建设；坚持“南北联动，创新融合”，连接北大雄厚的基础学科研究优势与深圳市战略性新兴产业、未来产业的生产要素，力争在科学与工程的结合处创造突破；坚持“解决科技前沿的‘未知之解’”，与一众科技领军企业开展深度合作，力争产生一批有重大影响力的院企合作成果。

审读：孙世建