在剛榮獲 2025年諾貝爾化學(xué)獎三周后，加州大學(xué)伯克利分校教授奧馬爾·M·亞吉（Omar M. Yaghi）在由陳天橋腦科學(xué)研究院主辦的AIAS（AI Accelerated Science）大會上，進行了他獲獎后的首次公開演講。巴倫中文網(wǎng)作為合作媒體也參加了本次大會。
這位從約旦裔難民棚中走出來，被稱為“MOF之父”的世界級科學(xué)家， 并未在演講中回顧他因發(fā)明金屬有機框架（MOF）和共價有機框架（COF）獲得諾獎的過去，而是首次揭示了他的一個全新科學(xué)思想體系：“讓化學(xué)能夠自己具備思考、推理與自我演化的能力。”
“科學(xué)一直是自然與人類思維之間的對話，”他說，“如今，借助人工智能，我們正在賦予科學(xué)自行思考、推理和演進的能力。”
他稱這一體系為 “From Molecule to Society”（從分子到社會），這也是他的核心思想——將分子設(shè)計、實驗合成、產(chǎn)業(yè)化擴展與社會應(yīng)用融為一體，形成了一個由生成式AI、機器人和自學(xué)習(xí)智能體共同驅(qū)動的科學(xué)循環(huán)系統(tǒng)。
有趣的是，與其他科學(xué)家充滿了對AI的彷徨或焦慮不同，他詳細(xì)講了四個自己最近如何使用AI取得重大科研突破的案例，其中前三個都與ChatGPT相關(guān)。
這也標(biāo)志著他從一個構(gòu)建材料的化學(xué)家，轉(zhuǎn)變?yōu)闃?gòu)建智能的科學(xué)家，而這種智能將構(gòu)建下一代材料。
案例一：讓ChatGPT成為“化學(xué)家”
亞吉從一個簡單但具有變革性的問題開始：大語言模型能理解化學(xué)嗎？
在他的第一個演示中，他的團隊訓(xùn)練ChatGPT閱讀數(shù)千份合成報告并進行推理——提取反應(yīng)參數(shù)、預(yù)測結(jié)果，并對實驗將產(chǎn)生單晶或多晶產(chǎn)物進行分類。
他認(rèn)為該模型的預(yù)測性能優(yōu)于許多傳統(tǒng)啟發(fā)式方法。通過這種方式，ChatGPT從一個文本生成器演變成一個科學(xué)推理引擎——連接了自然語言和實驗邏輯。
“我們不再需要問AI能為科學(xué)做些什么，”亞吉說，“我們現(xiàn)在要問的是，當(dāng)科學(xué)由AI驅(qū)動時，它能變成什么樣子。”
這“第一步”就奠定了“AI加速化學(xué)”的基礎(chǔ)——這是一個通過數(shù)據(jù)驅(qū)動推理對化學(xué)智能進行編碼、學(xué)習(xí)和迭代改進的領(lǐng)域。也是實驗知識第一次被系統(tǒng)地數(shù)字化、學(xué)習(xí)化和智能化。
“AI不只是幫助科學(xué)家，而是讓科學(xué)本身獲得新的思維方式。”亞吉說道。
案例二：AI設(shè)計的沙漠取水器
第二個案例中，亞吉介紹了他的“死亡谷實驗”，他的團隊在那里部署了一個便攜式、零能耗的取水裝置，該裝置由經(jīng)ChatGPT分子編輯優(yōu)化的MOF材料制成，具體說就是AI通過分子編輯優(yōu)化MOF結(jié)構(gòu)，研發(fā)出的一款便攜式、無需能源的集水裝置，改善了吸附等溫線和解吸閾值，能在僅有15%濕度的沙漠空氣中提取飲用水。
實驗室測試和現(xiàn)場數(shù)據(jù)吻合，表明經(jīng)過微調(diào)的GPT模型能夠“塑造框架的取水行為”——同時優(yōu)化效率和可持續(xù)性。
這項突破使“AI驅(qū)動的材料創(chuàng)新”第一次直接造福人類生活。在這里，生成式AI與網(wǎng)狀化學(xué)的融合產(chǎn)生了切實的社會價值：為那些本不應(yīng)存在水的地方帶來了水。亞吉評價稱，這說明了“AI并不取代化學(xué)家，而是讓他們的創(chuàng)造力倍增。”
案例三：七個Agents智能體的協(xié)作實驗
亞吉的第三個例子看起來宛如科幻小說，更進一步展示了AI的“團隊智能”，即Agents智能協(xié)作的可能性。
在這個案例中，由亞吉基于ChatGPT創(chuàng)建的七個Agents組成虛擬科研團隊，分工執(zhí)行實驗設(shè)計、文獻(xiàn)檢索、算法優(yōu)化、實驗安全與數(shù)據(jù)分析等任務(wù)，每個智能體承擔(dān)不同的角色： 實驗規(guī)劃師、文獻(xiàn)分析師、數(shù)據(jù)解讀員、算法編碼員、機器人控制器、安全顧問、Bayesian貝葉斯優(yōu)化器。
這些AI智能體共同設(shè)計并優(yōu)化了COF-323的結(jié)晶過程，該材料長期以來被科學(xué)界認(rèn)為非常難以合成。它們自主地與機器人反應(yīng)平臺交互，并行運行數(shù)百個實驗，每個實驗都由貝葉斯優(yōu)化指導(dǎo)，以追求更高的結(jié)晶度。
結(jié)果非常顯著：在幾天內(nèi)完成了上百次COF結(jié)晶實驗，通過Bayesian算法持續(xù)優(yōu)化條件，實現(xiàn)從無定形到高結(jié)晶的飛躍。
亞吉稱這是“AI自主協(xié)作科學(xué)”（AI Self-Collaborative Science）的早期原型——在這個系統(tǒng)中，大語言模型扮演著能夠進行獨立實驗的推理同事角色，AI系統(tǒng)則與自動化實驗Agents協(xié)同運行。
案例四：從分子到社會，AI科學(xué)的設(shè)想
在最后一個案例中，亞吉介紹了一家誕生于伯克利的初創(chuàng)公司AIMATX。該公司正在開發(fā)一個他稱之為“從分子到社會”（From Molecule to Society）的通用平臺。
該平臺由三大AI層構(gòu)成： 1. 設(shè)計層（Design）：AI預(yù)測并生成分子結(jié)構(gòu)； 2. 合成層（Synthesis）：AI+Agents執(zhí)行實驗并自動表征； 3. 擴展層（Scaling）：AI分析市場、優(yōu)化供應(yīng)鏈、推動社會部署。
亞吉也稱之為“從分子到社會的AI循環(huán)”（Molecule-to-Society AI Cycle）——每個實驗數(shù)據(jù)都反饋進系統(tǒng)，驅(qū)動下一輪發(fā)現(xiàn)。
他展示了一張標(biāo)有“從分子到社會的AI循環(huán)”的循環(huán)圖——展示了數(shù)據(jù)集如何在理論、合成和應(yīng)用之間持續(xù)流動。每個實驗都成為一個數(shù)據(jù)點，每個數(shù)據(jù)點都改進模型，而模型反過來又設(shè)計下一個實驗。
“我們正在構(gòu)建一個永不停歇地去發(fā)現(xiàn)的活系統(tǒng)，”亞吉說。
為了演示，他還分享了通過AI輔助工作流程發(fā)現(xiàn)的新型ZIF和LZIF晶體結(jié)構(gòu)，該系統(tǒng)的發(fā)現(xiàn)率是隨機人工探索的至少兩倍。
這場演講不僅展示了前沿的科學(xué)創(chuàng)新，更是一份關(guān)于AI“科學(xué)本質(zhì)”的宣言：AI不是工具，而是新的科學(xué)思維體。
“我們不是在加速實驗，而是在加速人類解決問題的能力。”隨著掌聲響起，屏幕上出現(xiàn)亞吉與學(xué)生的合照——象征一個由AI與人類共創(chuàng)的科學(xué)新紀(jì)元。
這場在舊金山AIAS大會上的演講，或許將被寫入史冊——作為人類科學(xué)史第一次見證“自己會思考與進化的化學(xué)”的時刻。（作者 ｜Jany，本文首發(fā)于巴倫中文網(wǎng)）
快報
根據(jù)《網(wǎng)絡(luò)安全法》實名制要求，請綁定手機號后發(fā)表評論