一直以来，人们都希望从第一性原理、从薛定谔方程这种最基本的规律出发，求解材料、药物、化工等普遍关心的微观世界的秘密。但由于算法过于复杂，哪怕用超级计算机，也只能算几十个、几百个原子规模的体系，但一个蛋白，加上周围的环境，至少几万、几十万个分子。换句话说，即便人类熟知微观世界的基本规律，但微观世界的复杂现象依旧无法用计算机模拟。
如何决定一款药物或者材料的性能，是一个原则上可算但实际上因复杂度太高做不了的事情。这个难点，正是AI可以发挥作用的起点。
张林峰表示，微观世界的数据通过AI学习，能够让AI掌握相应应用方向的物理规律。同时，AI也能做更大规模、更长时间尺度的计算，然后在高性能计算的优化下达到新的极致。
最终，项目团队通过机器学习将分子动力学极限从基线提升到了1亿原子的惊人数量，同时仍保证了从头算的高精度，效率是之前人类基线水平的1000倍。这是第一次把AI和物理规律、物理方程以及高性能计算紧密的结合。
回溯过往，戈登·贝尔奖的评选一直鼓励用最大规模的高性能算力去做最好的应用。张林峰团队的项目之所以获奖，其更大的意义就是能解决实际问题，并把相关行业的人才聚合到一起。
张林峰用“重构”这个关键词定位这项获奖成果的核心意义。“它更广泛的影响在于学科的重构。其实所有这些行业已经因为AI和计算能力的提升被重构了。这样的重构，也意味着人们的知识体系、协同模式以及复合学科的重组。”过去，数理化、计算机、生物医药和材料都是分散的学科，这些学科之下又分了很多类型，这些细分类型零散分布于这些学科下设的三级目录中。而基于AI的分子动力学模拟方法，将精确的物理建模带入到更大尺度的材料模拟中，为打通力学、化学、材料、生物乃至工程学科，解决实际问题发挥出积极作用。
|
