首屆世界科學智能大賽凝練學科交叉、挖掘頂尖創(chuàng)新團隊

首屆世界科學智能大賽頒獎典禮舉行。(復旦大學供圖)

“通過學習如此大規(guī)模、分布廣的數(shù)據集，AI背景的成員可以向化學背景的成員學習如何更好地理解數(shù)據，化學背景的成員有了一次近距離接觸AI與化學交叉場景的機會?！眮碜约又荽髮W戴維斯分校博士生的郭文韜是GPT-4AutoAgent的一名成員。據悉，其所在團隊是量子化學賽道中一支國際化的“產學合作”隊伍。針對數(shù)據特點，成員們提出創(chuàng)新解決方案。

生命科學賽道冠軍“牛刀小試”團隊，由中國科學院大學生物信息學專業(yè)的王泰福與華南農業(yè)大學分子生物學專業(yè)的劉智健組成。他們的賽題是“生物學年齡評價與老年病風險預測”。事實上，對兩位碩士研究生選手來說，是一項艱巨的任務。但劉智健認為，正是得益于大賽良好的賽制反饋和各支隊伍之間的良性競爭，才讓他們完成了一、兩個人原本無法完成的任務。

人工智能是引領全球新一輪科技革命和產業(yè)變革的戰(zhàn)略性技術。在“大算力”“大數(shù)據”“大知識”融合的全新時代，科學智能(AIforScience)作為熱點領域之一，將對基礎科學研究的范式變革產生劃時代意義。據悉，本次大賽旨在推進科學智能技術創(chuàng)新，挖掘頂尖創(chuàng)新團隊，打造科學智能生態(tài)，激發(fā)人工智能發(fā)展新動能，為上海打造人工智能高地、中國搶占世界科技前沿提供有力支撐。

“對材料科學智能賽道來說，本次比賽引起了學術界對AI+材料的廣泛關注?！睆偷┐髮W化學系教授、博士生導師張凡說道。作為材料科學賽道的評委之一，他介紹，這次參加材料科學賽道的選手非常踴躍，初賽的81個有效提交結果之中，有51個超過基線(baseline)模型性能(score:0.22)。選手們的性能提升方案有從數(shù)據擴展、方法改進、特征篩選和融合等多個方面，多支隊伍都采用模型集成的辦法，提高最終的預測精度?！巴ㄟ^這次大賽可以看到，雖然實際材料合成數(shù)據的有限，即數(shù)據量小，但AI算法仍然有很大的探索空間以提升材料的合成條件預測精度?！睆埛蚕Ｍ柚@次比賽，讓學界焦點更多地聚集在材料結構與實際合成之間關系的建立，使用AI去揭示新規(guī)律，聯(lián)合先前研究實現(xiàn)新材料發(fā)現(xiàn)與合成的精準預測一體化，從而進一步推動科學研究范式的改變。

據悉，本屆大賽中，生命科學、大氣科學、材料科學、流體力學、量子化學五大賽道，吸引全球11653名選手參賽。最終30支隊伍在復旦大學參加總決賽，在五大賽道比賽現(xiàn)場，面對評委們的提問，選手們用精密的實驗數(shù)據和清晰的邏輯一一給出回答。激烈的角逐中誕生了一、二、三等獎、最佳創(chuàng)新獎和“星辰學者”特別獎?！靶浅綄W者”是大賽設置的特別獎項，頒發(fā)給其方案最具創(chuàng)新價值的參賽團隊，寓意“用AI的望遠鏡，探測科研的星辰大海”。據透露，接下來的每一屆比賽都會延續(xù)這個獎項。

就讀于信息科學與工程學院智能科學與技術專業(yè)復旦大學本科生周潪劍獲得本次大賽“星辰學者”。在他看來，參加大賽“不僅為我未來的學術研究提供新思路，也為我進入科研領域打下堅實基礎?！敝軡瀯φf，他參加的量子化學賽道為選手提供超過1000萬的訓練數(shù)據，是目前世界上最大、最全面的同類型數(shù)據庫，這意味著選手需要有扎實的AI模型開發(fā)技術和工程優(yōu)化能力。

來自北京郵電大學人工智能學院的Pris727團隊喜獲大氣科學賽道的一等獎。“我們創(chuàng)新性地提出一種多時間序列預測策略的集成氣象預報方法，通過知識融合來讓預報模型掌握更豐富的時序知識和氣象變化規(guī)律?！标犻L徐夢秋說。徐夢秋認為，團隊合作對多學科交叉團隊來說非常關鍵?！拔覀冊谙嗤哪繕讼赂咝崿F(xiàn)優(yōu)勢互補，提升自我技能，豐富知識儲備。在協(xié)作溝通過程中，我們更好地理解人工智能和氣象交叉領域的挑戰(zhàn)和機遇，并為未來的研究方向和職業(yè)規(guī)劃鋪墊基礎?！?記者陳靜)