也逐渐深入核心环节，助推更多研究成果加速涌现。今天，我们将通过近期我国科学家的一些突破性成果，来看怎样助力科研。首先，让我们走进西湖大学，看人工智能如何协助科学家设计蛋白质，并精准锁定治疗疾病的靶点。

　　蛋白质既是生命活动的重要执行者，也是疾病治疗与药物研发的核心靶点。目前，人类已经发现的蛋白质有2亿多种，但仍然无法满足我们的特定需要。因此，科研人员需要像设计师一样，根据功能和目标去设计出特定的蛋白质，而这一过程极其复杂。在西湖大学，科研人员开发了一种全新的生成式大模型，可以帮助他们从零开始设计具有全新功能的蛋白质。借助这一人工智能大模型，团队已取得多项新发现，例如找到了一种有望用于治疗阿尔茨海默病的全新蛋白酶。

　　人工智能可以基于海量数据，构建出多种蛋白质结构与功能之间的对应关系。科研人员只需要设定好目标和条件，大模型就能进行计算推演，并给出可能的蛋白质设计方案，供团队筛选与验证。

　　不过科研人员也指出，人工智能赋能蛋白质研究目前还存在技术局限。由于大多数的大模型训练数据主要还是静态蛋白质结构数据，因此目前还难以模拟出蛋白质复杂动态的活动过程，科研人员须具备对问题敏锐的发现能力、利用各种大模型的综合能力等，才能更好地利用人工智能加速科学研究。

　　现在，在新药研发领域，人工智能正在掀起一场“效率革命”。我们人类基因组编码约2万种蛋白质，其中约90%与疾病密切相关，按照传统方法，很难从海量的分子中，精准找到能作用于致病蛋白质的药物。而人工智能正在帮助破解这一难题。清华大学团队开发的一套人工智能驱动的“超级药物搜索引擎”，让“找药”的过程甚至能提升上百万倍。

　　药物治疗疾病，往往依赖的是小分子药物与蛋白质靶点之间的精准结合。这个过程就好比是“配钥匙”，传统的新药筛选，就像是锁匠拿着上亿把钥匙逐一尝试，面对上万的靶点和数以亿计的候选分子，这种方法无异于“大海捞针”。近日，清华大学团队开发出一套人工智能驱动的“超级药物搜索引擎”，就像是赋予了锁匠“火眼金睛”，将过去可能数百年的工作量，压缩至一台电脑单日即可完成，整体效率提升上百万倍。

　　据团队介绍，基于这套方法，他们首次实现了全基因组规模的小分子药物模拟筛选，对上万个靶点和数亿级的候选分子进行系统匹配，并且构建起了目前全球规模最大的蛋白-配体筛选数据库。以抑郁症的相关靶点为例，这一大模型筛选出的候选药物实测有效率达15%，远超传统方式筛选出的水平。

　　，也就是“人造太阳”，一直被认为是解决人类能源问题的“终极答案”。而当人工智能与实验结合，会碰撞出怎样的火花？近日，我国一家商业可控核聚变团队，就利用人工智能实现了千秒量级的等离子体电流长脉冲运行。

　　记者来到位于上海的全球首台全高温超导托卡马克核聚变实验装置“洪荒70”的实验厂房，不久前它成功实现了1337秒稳态长脉冲等离子体运行。团队介绍，这一阶段性实验成果在全球商业聚变公司中尚属首次。高温超导材料能支持更强的磁场强度，从而在更小的装置内，实现对等离子体的有效约束。

　　本轮装置运行周期为两个多月，其间共进行了5000多次实验，单次实验信息量高达数TB。以往，这些难以得到充分利用，而如今，用它们训练出来的人工智能模型，可以高效参与到实验的控制决策中。

　　能量奇点能源科技总体部负责人董阁：使用AI，可以把实时推演的计算成本降到最低，它都是一个毫秒级别的推演，是没有问题的。同时它的参数也非常大，正因为大的参数使得它可以去很好地描述复杂体系，能够捕捉到它最关键的一些特性。

　　团队介绍，人工智能可以对磁体电流、电压、加热功率等多项关键参数进行联合调控，结合仿真环境和真实实验数据不断校正和优化策略，将原本需要一到两年的装置实验周期，缩短至几个月。

　　可以说，人工智能正加速融入科研全流程，重塑科研底层逻辑、重构科研范式，助力科学研究进程全面提速。

　　走进北京科学智能研究院的展厅，一系列科研大模型和人工智能工具平台正向人们展示着科技创新的新可能。从医药、能源材料到航空航天，越来越多科研的关键环节被人工智能算法重构，催生出众多打破传统研发效率上限的成果。

　　除了计算体系的革新，人工智能还在深度改造实验的方式。融合具身智能技术的全自动“黑灯实验室”已实现24小时不间断运转。