2018年，谢天正在麻省理工学院（MIT）进行博士研究，专注于材料科学与工程。在此期间，出现了一个关键问题：是否可以设计一个模型，以约束条件和标准为输入，生成可行的材料作为输出？谢天乐观地认为这是可能的，尽管他无法预见这一想法的快速进展及其重大影响。 在麻省理工学院计算机科学和人工智能实验室（CSAIL）完成两年的博士后研究后，谢天于2022年加入了微软研究院的AI for Science计划。该计划由著名科学家克里斯·毕晓普发起，旨在利用人工智能应对可持续性和药物发现等全球挑战。在两年半的时间里，团队显著扩展，跨越五个时区推动创新的极限。 该计划中的两个关键工具MatterGen和MatterSim从根本上改变了材料研究的方式。MatterGen作为创意引擎，通过复杂的算法生成分子结构的概念，以识别具有所需特性的新品材料。谢天表示：“MatterGen生成成千上万的候选材料，符合用户定义的约束条件，提议新材料”，这标志着材料设计的重大转变。相比之下，MatterSim严格评估这些概念以确定其稳定性和可行性，从而将理论想法与实际现实区分开来。两者相结合，简化了以前高度依赖大量实验室试验的过程，显著提升了材料发现的效率。 谢天强调了这些进展的巨大工业潜力，因为材料始终在人类进步中起着关键作用——从建筑材料到医疗设备。然而，开发新材料的传统路线进展缓慢，往往需要数年的研究，这在能源和医疗等关键行业中，成本 prohibitively 昂贵。人工智能有能力加速这一过程，使新材料的识别更加迅速，并对如可持续能源存储或先进医疗技术等创新至关重要。 AI for Science的首席研究员卢梭平指出，这些工具中增加的计算能力可以比预期更快地带来重大见解。由于快速的进展，最初对机器学习应用于减少量子力学计算的预期已被超越，导致材料性质表征及其他领域的突破。 在AI for Science团队中，合作是关键。每周的会议和小组互动促进了MatterGen和MatterSim的整合，这两个工具以高度互联的方式协同工作。高级研究员丹尼尔·齐格纳强调了他们合作的重要性，使材料设计的方法更加全面。 微软的Azure Quantum团队与AI for Science合作，利用高性能计算和量子技术来解决化学和材料科学中的复杂挑战。这个合作确保研究与现实世界的行业需求紧密结合，加快了发现的应用。 MatterGen和MatterSim的近期成功故事，包括广泛的工具下载和显著的出版物，展现了它们在复杂问题解决方面的潜力。该计划的贡献还扩展到了气候科学和生物医学等其他领域，反映了对影响深远研究的承诺，而不仅仅是注重指标。 总体而言，AI for Science计划强调开发具有显著现实世界利益的实用解决方案，突显了材料科学及其他领域变革的未来。