第五范式：人工智能驱动的科技创新

汇报提纲 AI驱动的第五科研范式一 百花齐放的大模型时代二 大模型辅助的科学假设生成三 大模型辅助的论文与项目四 未来科研范式展望五 汇报提纲 AI驱动的第五科研范式一 百花齐放的大模型时代二 大模型辅助的科学假设生成三 大模型辅助的论文与项目四 未来科研范式展望五 1.1第五范式—科学范式变迁 1.1第五范式—AI驱动的科学研究新范式 新科研范式以数据智能为核心，通过人机协同和自主发现实现研究效率的指数级提升 1.1第五范式—AI驱动的科学研究新范式 1.2典型案例—AI加速芯片设计 启蒙1号全自动AI芯片设计 2022年5月，全球首款全自动生成的32位RISC-V CPU“启蒙1号”由中国科学院计算技术研究所利用AI技术成功设计。AI的利用，将生产周期从数月降至5小时生成400万逻辑门，效率提升至1/1000，标志着芯片设计进入智能化时代 领域跃升可视化 核心论文 1.2典型案例—AI重塑生物医学研究 AlphaFold2蛋白质三维结构预测 AlphaFold2是由DeepMind开发的人工智能系统，通过深度学习技术实现了蛋白质三维结构的高精度预测。截至2024年，该系统已预测超过100万个物种的2.14亿个蛋白质结构，几乎覆盖地球所有已知蛋白质 领域跃升可视化 核心论文 From: Nature; nature computational science 1.2典型案例—AI驱动分子模拟领域 深度势能分子动力学模拟 DeePMD(深度势能)方法由中美团队合作开发，结合第一性原理与深度学习，将分子动力学模拟规模从百万级原子扩展至170亿原子，计算效率提升超1000倍。该成果在2020年获“戈登·贝尔奖”，2022年进一步优化后实现单日模拟11.2纳秒物理过程 领域跃升可视化 核心论文 From: Nature communications;Computer Physics Communications 1.2典型案例—AI驱动材料科学与工程研究 发现高能钠离子电池成分，机器学习简化最佳材料搜索过程 里耶卡大学的研究团队开发了一种基于RNN的方法，使用不规则采样的不等长特征来评估未分类肽的SA潜力。日本东京理科大学(TUS)和名古屋工业大学的研究团队，利用机器学习来简化搜索最佳材料的过程。研究人员使用由实验数据训练的机器学习优化了高能钠离子电池过渡金属层状氧化物的成分。 领域跃升可视化 核心论文 From: Nature Machine Intelligence;Journal of Materials Chemistry A AI (ML）为肽设计提供高效的运算与数据处理，激活肽自组装预测潜力 AI简化钠离子电池最佳材料搜索过程 1.2典型案例—AI驱动有机半导体与柔性电子材料设计 有机半导体逆向设计、柔性电子材料 德国赫姆霍兹研究所与厦门大学合作，开发了闭环自动化工作流程，实现了有机半导体的逆向设计，光电转换效率提高至26.2%。天津大学胡文平教授与斯坦福大学鲍哲南教授合作，通过在PEDOT:PSS材料中引入拓扑交联网络，显著提升了其力学和电学性能，获得了最佳导电性的柔性电极。 领域跃升可视化 核心论文 From: Science AI-柔性电子材料Standard Cell Design AI-有机半导体Force-directed method based on ML AI+柔性电子和有机半导体的设计极大加速了新型材料的发现进程 1.2典型案例—AI驱动化学工程与催化科学研究 低成本、高效的催化剂高通量筛选 1.天津大学巩金龙教授团队开发了一种通用且可解释的描述符模型ARSC，用于统一多种电催化反应的活性和选择性预测,研究人员可以快速找到各种产品的最佳催化剂，而无需进行50,000多次密度泛函理论计算。2.中国科学院和北京师范大学的研究团队利用240个数据集并采用化学和几何描述符并建立随机森林分类模型，来预测酰胺酶对新底物的对映选择性。 领域跃升可视化 核心论文 From: nature communications 传统方法Standard Cell Design AI生成 无需进行超50,000次高通量计算 准确性 AI+化学工程与催化科学实现革命性降本增效 汇报提纲 AI驱动的第五科研范式一 百花齐放的大模型时代二 大模型辅助的科学假设生成三 大模型辅助的论文与项目四 未来科研范式展望五 2.1三起两落：人工智能发展史 2.1大模型发展历程 2.1大模型发展历程 大语言模型是人工智能发展的一个重要趋势，引领AI技术进入一个新阶段 2.1大模型发展历程 大语言模型与多模态结合后增强了对世界的理解，提供更加丰富和自然的交互体验 2.1主流大模型 2.1DeepSeek系列大模型 深度求索科技公司开源了一系列针对自然语言处理、文本生成、信息检索等多任务的预训练模型 2.1大模型的能力 2.1大模型的不足 2.2智能体 是否具备实体交互能力 智能体核心能力 实时上下文层短期记忆层长期记忆层 2.2大模型&智能体 大模型提供语义理解与任务规划能力，驱动智能体完成感知、推理、工具调用到执行的闭环链路 2.2具身智能&智能体 2.2多智能体协作 2.2智能体构建流程 2.2智能体实例 全球首款通用型AI Agent Manus的产品名，意思为“手”，来自拉丁文"menset manus"——知行合一。为LLM做一双能巧妙调用工具的手，从而扩展人的能力，让你心中的愿景成为现实。 性能达到SOTA 2.2智能体实例 2.2智能体实例 2.2智能体实例 提示词查询 提示词：我是一名中学物理老师，正准备教授动量守恒定律。您能否创建一系列清晰准确的演示动画，并将它们整理成一个简单的HTML演示文稿？ Manus通过简易HTML与动画演示的深度融合，实现教学模式新生态 2.2智能体实例 2.2智能体实例 Manus：从数据分析到材料整合，从项目学习到历史可视化，一站式智能助手 Manus全面支持多领域的高效协作与知识传递 2.2智能体实例 Manus局限性与不足 依赖外部数据源 隐私与安全问题 技术门槛较高 Manus在处理用户数据时涉及隐私和安全问题。如果数据泄露或被恶意利用，可能会给用户带来损失和风险 如果外部数据源出现问题或工具不可用，可能会影响Manus的任务执行效率和准确性 虽然Manus的设计注重易用性，但其底层技术门槛仍然较高。这可能会影响用户对Manus的信任度和接受度 2.2智能体实例 技术演进方向 认知增强架构 实时学习系统 人机协作界面 更多Agent将采用Manus的MCP模式，解决复杂任务规划问题。Gartner预测，到2028年15%日常工作决策将由Agent完成 RAG技术进化至多模态检索，实现动态知识更新。这将使AI具备“终身学习”能力，应对金融市场波动等实时性需求 脑机接口、空间计算等技术的融合，可能催生“意念驱动Agent”的新型交互方式，进一步降低使用门槛 技术融合正加速智能体在决策、协作与应用场景中的全面跃升！ 汇报提纲 AI驱动的第五科研范式一 百花齐放的大模型时代二 大模型辅助的科学假设生成三 大模型辅助的论文与项目四 未来科研范式展望五 3.1科学假设生成的原理 3.2科学假设生成的流程 3.3大模型辅助的科学假设生成—LLM提出跨学科假设 模型假设生成 科学家提示词查询 发现AI4有机化学的跨学科关联 背景：在双波长激发（450/520nm）的光氧化还原反应中，光强比例、溶剂极性（丙酮/乙腈混合比例）与自由基生成动力学间存在复杂非线性关系。在人工智能技术中…… 知识整合 要求：这两个学科是否存在理论技术上的关联。 知识重组 建立学科关联 3.3大模型辅助的科学假设生成—LLM提出跨学科假设 科学家提示词查询 模型假设生成 提出假设《基于协同学习的双波长激发-溶剂协同优化模型》 背景：在双波长激发（450/520nm）的光氧化还原反应中，光强比例、溶剂极性（丙酮/乙腈混合比例）与自由基生成动力学间存在复杂非线性关系。在人工智能技术中…… 假设生成 要求：根据学科关联，提出一套合理的科学假设。 启发式推理 3.3大模型辅助的科学假设生成—LLM提出跨学科假设 科学家提示词查询 模型假设生成 分析假设《基于协同学习的双波长激发-溶剂协同优化模型》 背景：在双波长激发（450/520nm）的光氧化还原反应中，光强比例、溶剂极性（丙酮/乙腈混合比例）与自由基生成动力学间存在复杂非线性关系。在人工智能技术中…… 形式化分析 要求：根据科学假设，做出形式化分析。 3.3大模型辅助的科学假设生成—LLM提出跨学科假设 模型假设生成 科学家提示词查询 发现AI4金属热处理的跨学科关联 背景：金属热处理中的退火淬火工艺存在对加热温度与冷却速度的精准控制，冷却介质选择，工艺参数优化等挑战。在人工智能技术中，存在时间序列建模的网络模型…… 知识整合重组建立学科关联 要求：这两个学科是否存在理论技术上的关联。 3.3大模型辅助的科学假设生成—LLM提出跨学科假设 最新已发表论文中存在相似假设，生成假设可覆盖相似假设中部分创新点 Deepseek提出假设：“双波长激发系统与溶剂极性的动态匹配可调控自由基/极性交叉路径的竞争，进而决定区域选择性。通过深度协同模型，可实现光-溶剂-自由基三元协同优化，最大化目标产物产率。” 相似假设三 相似假设二 相似假设一 From:Chem, Cell Press From:Nature Catalysis From: Nature 该文提出：通过DFT计算自由基生成速率与光强、溶剂极性的非线性关系，实现将酰胺基自由基插入到双环丁烷中。 该文提出：溶剂极性通过影响羟基自由基的生成路径，与光强协同增强氧化效率。动态调整丙酮/乙腈比例可使羟基产率提高30%。 该文提出：从溶剂与光强二者协同角度思考，合成了一种创新型亲核全氟烷基化试剂。 3.3大模型辅助的科学假设生成—LLM提出跨学科假设 最新已发表论文中存在相似假设，生成假设可覆盖相似假设中部分创新点 Deepseek提出假设：“双波长激发系统与溶剂极性的动态匹配可调控自由基/极性交叉路径的竞争，进而决定区域选择性。通过深度协同模型，可实现光-溶剂-自由基三元协同优化，最大化目标产物产率。” 该文提出：从溶剂与光强二者协同角度思考，合成了一种创新型亲核全氟烷基化试剂。51篇Nature与Science同等级的评测论文中，近40%的实验生成假设与真实假设高度相似 3.3大模型辅助的科学假设生成—迭代优化解决组合爆炸问题 GNoME预测新材料的结构和稳定性 GNoME采用基于图神经网络的生成式模型，成功预测了220万种新的晶体材料，其中38万种被计算验证为稳定结构。 3.3大模型辅助的科学假设生成—迭代优化解决组合爆炸问题 AlphaFold3预测蛋白质三维结构 AlphaFold3使用扩散模型实现了蛋白质三维结构的批量化预测。已生成数亿个蛋白质结构，几乎覆盖所有已知蛋白质。 3.3大模型辅助的科学假设生成—AI co-scientist系统 3.4科学假设生成的评价—案例评价 使用第三方语言模型作为“评估器”对科学假设进行评估 评估提示词：这是基于FEA与GNN的金属疲劳与断裂韧性预测的科学假设，请从做出客观评价，并给出对应分数。检索相关论文判断该假设的创新点是否新颖，并推理其方法的有效性与可行性。最后给出改进建议。 3.4科学假设生成的评价—自动评价策略统计 汇报提纲 AI驱动的第五科研范式一 百花齐放的大模型时代二 大模型辅助的科学假设生成三 大模