跨学科研究成“香饽饽”！AI从诺奖舞台走进多领域，国产算力撑起创新底气

去年诺贝尔奖评选对AI的偏爱激起跨学科研究的层层涟漪，近期业内奖项对跨学科研究投注了相当的关注度。由腾讯出资、新基石科学基金会运营、科学家主导人才遴选的公益奖项科学探索奖近日在深圳颁奖，记者了解到，50名获奖者中有多名交叉学科研究者。

多名获奖者向记者谈到跨学科特别是使用AI技术的重要性。“学科形成有历史沿革的因素，但科学不会定义某个问题是属于物理、化学还是生物医学。”复旦大学脑科学研究院研究员张嘉漪向记者表示。

中国科学院院士、化工领域研究者郑南峰则告诉记者，他的学术研究基本每三年经历一个坎，因为学的东西不够用，需要寻求突破。三年前他学习了电气工程，现在则不得不用上AI技术方法。

记者了解到，对AI的使用已不限于去年诺贝尔奖结果出炉时备受关注的蛋白质结构预测领域。多名科学家透露，AI应用已扩展到化工、医学、神经科学等领域。还有研究者在使用国产芯片搭建AI计算平台，与海外的研究团队展开竞争。

学科交叉渐成势头

腾讯集团高级副总裁、首席人才官奚丹告诉记者，在覆盖了多个科学技术领域的科学探索奖平台，他看到很多学科之间在持续交叉碰撞。记者了解到，越来越多学科与AI产生了交叉。

北京大学教授、新基石研究员高毅勤是分子科学计算领域研究者。“在分子科学的生物医药场景，数据以极快的速度增长，2015年起，大约每半年数据量就会增加一倍，而大量数据还没有得到很好的分析。” 他在腾讯可持续社会价值事业部等主办的新基石50²论坛上谈到，AI技术进步则为整理和理解这些数据带来契机。一些新的研究方向兴起，例如虚拟细胞研究，这个方向的思路是对细胞进行建模、通过AI模型来理解药物如何影响细胞。

高毅勤表示，他的课题组已在AI的框架下搭建科学计算平台，与华为鲲鹏、海光、摩尔线程、沐曦等多个国内芯片厂商进行适配，发现在软硬件共同优化下，计算能力可接近英伟达A100。“我们在硬件使用上确实受到一些限制。”高毅勤谈到，因此，他的团队与华为昇腾团队等合作，完全利用国产软硬件从头训练，在单体和复合物结构预测上的结果赶上甚至超过了谷歌团队。

不只高毅勤所在的课题组，另一些高校也在部署国产算力。据今年早些时候华为公布，深圳大学基于昇腾Atlas集群实现了科研数据全闭环，赋能交叉学科智能分析，华中科技大学则搭建了弹性智算平台，支撑材料模拟等学科海量数据处理。

一些科研工作者认为，虽然国产算力芯片的一些指标比不上海外最新产品，但优化配套的软件生态可以助益。中国科学院计算技术研究所研究员张云泉提到，商业公司因竞争压力较大，使用国产技术需要考虑成本问题，而科研领域专家对创新有兴趣，对国产算力也比较宽容。

随着更多研究领域看到AI应用的潜力，有望继续带来科研AI算力部署需求。记者了解到，除了分子科学计算，医学和神经科学领域也在铺开AI应用。

从事灵长类演化医学研究的上海交通大学研究员毛亚飞告诉记者，他已经看到学界一些与AI结合的研究方向，例如通过基因组讯息预测得遗传疾病的可能性、基因表达量，更超前的研究还可以预测各种表型。在神经科学领域，张嘉漪则表示，大脑有近1000亿个神经元，神经元数量和信息通量很大，以往由于计算手段限制，难以通过大脑神经元活动重构大脑功能，特别是视觉功能，如今在AI辅助下，可以构建大规模的模型，帮助科研人员理解海量神经元如何编码复杂图像。

学科交叉为机器人智能做铺垫

具身智能是AI、机器人等多个学科的交叉地带，以具身智能采用的传感器为例，这个领域就涉及材料化学、电子、仿生学等学科。这种跨学科研究催生的新兴产业，正在为机器人的智能化做铺垫。

香港科技大学电子与计算机工程系、化学生物工程系教授范智勇他告诉记者，目前具身智能传感器设计方面还存在缺陷。例如，摄像头能看到的光谱有限，其背后，这些摄像头基本都采用硅基材料，在弱光环境下可能无法清晰辨别，演进方向包括使用更好的材料来获得更广的光谱感知范围。

仿生学也为具身智能发展提供思路。范智勇告诉记者，从仿生的角度看，人全身皮肤都是传感器，传感器要贴合到机器人身上更多位置，需要解决成本较高、传感器不够柔性、信号处理等问题，解决这些挑战涉及信号处理、AI算法识别等。由于人眼有一些独特优势，包括可以在眼窝中自由滚动、迅速改变聚焦方向、有150度超大广角成像功能和高灵敏度等，未来仿生人眼也有可能用在具身智能领域。

范智勇告诉记者，对比人类感官，具身智能还有几类传感器缺失，例如嗅觉和味觉传感器，这两类传感器是机器人未来进入家庭照顾老人、小孩或炒菜时所需的，为了拥有嗅觉，需要有大规模的传感器阵列，并用AI算法驱动这些阵列。