2022中国计算机大会（CNCC2022）于12月8日顺利召开，首次全线上CNCC里程碑顺利达成，这注定是载入CCF发展史册的一届大会。位于美丽的滨海城市的YOCSEF厦门也积极响应CCF YOCSEF的号召，于12月9日（周五）下午组织了题为“AI+新材料：如何利用AI加速产业研发”的技术论坛，邀请了包括YOCSEF天津、厦门大学、厦门理工学院、华侨大学、天津大学、中科院海西研究院、厦门智融合科技有限公司、浪潮集团、睿优制造(厦门)互联科技股份有限公司、厦门新材料产业协会等单位的40余名专家和学者。本次论坛以“AI+新材料”为主题，从不同的角度着重探讨多个前沿交叉学科议题：① AI+新材料的应用场景：如新材料的设计与筛选？分子合成设计？自动化合成？虚拟仿真？② AI+新材料的技术路线：数据、算法、算力或者其他方面遇到什么挑战？③ AI+新材料的未来发展：未来研发方向？未来人才培养方向？未来政策扶持方向。本次论坛执行主席由张龙晖（CCF YOCSEF厦门主席，智融合科技有限公司总经理）和赵集民（CCF YOCSEF厦门AC委员，睿优制造（厦门）互联科技股份有限公司总经理）共同担任，论坛线上主席为张翼（CCF YOCSEF厦门副主席，厦门大学）、张雪白（CCF YOCSEF厦门学术秘书，厦门理工学院）。

    论坛伊始，厦门市科技局党组成员刘源岗为本次论坛做了精彩的开场介绍，而后主持人张龙晖（执行主席）分享了本次技术论坛的选题背景、到场嘉宾、活动流程，并向现场所有嘉宾介绍了CCF YOCSEF，以当前火爆的ChatGPT引出AI助力新材料产业的机遇与挑战。

图1 开场介绍

        引导发言环节，厦门大学物理科学与技术学院副教授林昶旭，分享了主题为《“AI+自动化：导向解决科学问题的新范式”》的报告。主要介绍了导向解决科学问题的新范式探索的例子；AI能为化学材料提供的支持；关于AI助力人才培养的探讨；提出了由于化学“实验重复度差、不安全性、通量低，成本高”三大痛点，在化学实验过程中，往往由于人的不精准性导致了实验结果的不确定性，阐述了化学必然要走向智能化，自动化。

图2 引导嘉宾发言

         第二位引导发言的嘉宾是中科院福建物构所研究员陈俊，分享了主题《大数据、机器学习与微观化学反应》，介绍了化学从古至今分为4个范式，并认为：需要进一步优化面向化学的AI算法，由于原子，分子层面上在不同人的眼中都不一样，因此针对于具体问题的AI算法有待进行优化。

图3 引导嘉宾发言

        第二位引导发言的专家是浪潮信息福建区总经理潘明，分享了主题《智算融合推进应用技术创新》，介绍了当前数字经济快速发展，认为对数字经济起到快速促进作用的是计算力，提出“计算力就是生产力，计算力就是创新力”概念。详细地介绍了计算力的应用场景以及未来的发展潜力。

图4 引导嘉宾发言

        第三位引导发言的专家是厦门大学物理与化学学院双聘教授侯旭教授团队的侯雅琪，分享了主题《人工智能交融下的仿生纳流离子学》主要介绍了仿生多尺度孔道研究课题组所研究的2个方向：仿生纳米孔道、仿生微米孔道；并且在研究过程中，发现通过构建的液体门控材料数据库系统进行人工智能机器学习研究，有望加速液门膜材料新发现及相关研究。

图5 引导嘉宾发言

        引导发言后，经过短暂的茶歇环节，进入到圆桌思辨环节。

[议题1] AI+新材料的应用场景（背景）

        汪骋（厦门大学化学化工学院教授）率先发言，反馈在科研过程中，也经常与数据科学相结合，使用自动化+算法加速实验研发。但存在问题：①科学领域中经常有最新的动态，个体无法完全快速掌握最新前沿消息，如果机器能够更加智能化，即能够辅助科学家解决该问题。②分子合成设计方面，现有的分子生成的软件，出来的分子，合成难度大，且打分机制欠缺，即便可合成，成本也较高，需要与社会经济学集合。

        程璇（厦门大学材料学院教授）指出人工智能已渗透到各个领域中，计算材料学也依赖于人工智能的发展，人工智能如何融入到材料的设计和筛选，如何实现功能开始设计组成结构，再到智能化材料筛选，这个是需特别关注。现阶段也有由于现有材料不足，导致实验无法进行，因此程璇教授也较为期待人工智能往材料端深入发展，希望计算机能够帮助材料科学家建立模型，得到数据库。

        陈俊（中科院福建物构所研究院研究员）较为想了解材料的缺陷或微观机制类反馈，提出：①如果一个材料有万分之一的掺杂，影响非常大，计算化学只能做一个辅助的手段，无法做精准预测。②当前最大的问题就是数据库问题，目前数据库来源只有2种方法：实验产生数据、计算生成数据。

        侯雅琪（侯旭教授团队）表示，目前团队也在基于液体门控搭建数据库，不止从实验的数据，还有从文献的数据来拓展探索范围，先用算法筛一遍，再通过结果区做一遍实验。

        陈静（厦门新材料协会的秘书长）通过举例俄国研发潜水艇-光学技术、太钢集团手撕刚技术，表示AI如果可以用在技术研发中，可以缩短时间，起到突破技术壁垒的重要作用。

        王宁（华夏学院）举例【英国AlphaFlod可一次解析3亿个结构，而颜宁团队一年才能解析十几个蛋白质】例子进行解释专业数据库可对学术研究的重要性。

        张龙晖（厦门智融合科技有限公司总经理）随之也对该问题进行了总结，由于专业学术类的数据库形成是需数据前期标注与提取，由此建立的规则库。但数据标注存在成本较高问题。其余参会企业也反馈，科学界遇到的问题与企业遇到的问题极其相似——数据问题，且工业数据更为稀缺。目前他们的解法是：通过化学物理知识做成规本，让检索空间变小，让预测与结果更完善。

[议题2] AI+新材料的技术路线（挑战）对于AI+新材料的技术路线，

        汪骋也提出一个需求：由于个人数据少，群体数多，连接各方数据较为困难，因此需寻找更合适的办法连接各方数据，汪骋教授反馈需要该方面的帮助。

        王晓黎（厦门大学信息学院软件工程系副系主任，副教授）指出也曾遇到类似问题，当时通过数据处理技术提取论文相关信息技术，构建知识图谱，有效应用到科研中，但是到了新领域，又要重新推倒重做。

        陈俊认为数据的描述存在问题，计算机学科的人对数据的定义和化学学科的人定义不一，缺乏对计算机与化学2方面都熟悉的人才来定义数据。

        王鑫（天津大学教授）提出，需要数据知识双驱动，利用知识工程技术，构建新材料领域知识图谱；建议对于不同领域学科，可以先从专题做起，建立一个本体，再搭建后续体系。

        陈松航（中科院海西研究院副研究员）反馈现有的人工的算法有限，对不同场景需去定制，又由于不同场景的数据量不同，数据质量不一样，因此对AI模型的选择上也有很大的差异，产生的结果也不一。提出目前很少有一个算法能打通所有关卡，对于优化算法在分子设计上的应用，面临搜索空间，局部最优解等问题，以上问题也是各个行业都面临的问题，希望大家可相互交流，借鉴。现场其余学者、教授、研究员、企业代表也对数据、算法、算力方面进行了激烈的探讨。

[议题3] AI+新材料的未来发展（未来）对于AI+新材料的未来发展，

        周达（厦门大学）认为AI在化学材料中的前景广泛，倡议非计算机专业学者，也应该学习使用AI模型，用来解决学术问题，提高科研效率，同时期待未来学术界能研究一个大模型将所有问题都解决。

        张雪白（厦门理工学院）以社会学与材料学类比，相信人工智能未来可以解决材料科学的基础问题；

        程璇认为AI+材料是一个长链条，建议政府应该早起介入，提供相关政策扶持。其他学者们纷纷倡议组建AI+新材料的产业创新联盟，搭建AI+新材料全球创新数据平台，助力产业发展，加速新材料研发，推动跨领域项目落地，培养交叉学科人才等。

        张龙晖对本次论坛做了总结发言，就如何更好地利用深度学习、自然语言理解、知识图谱等AI技术助力新材料产业研发与升级，打破材料领域“卡脖子”问题? 进行解答。

图6 特邀思辨嘉宾颁发感谢牌

最后，感谢本次论坛的承办和协办单位，感谢在场的每一位嘉宾的精彩发言，感谢每一位台前幕后的贡献者。本次论坛无论从引导嘉宾们的发言、思辨议题热烈讨论、还是落地项目初步构想，均取得了多维度的突破，在不确定性中全力以赴寻找到最大的确定性。本次技术论坛取得圆满成功！

图7 活动预告

合影留念

图8 合影留念