人工智能基础模型推动科学发现向前发展

据微软新闻报道，微软正在率先使用“基础模型”来彻底改变科学研究。这些大规模人工智能模型正在应用于各个科学领域，以提高发现和效率。

使用 MatterGen 推进材料发现

MatterGen 是微软研究院的一项计划，处于材料科学创新的前沿。这种人工智能驱动的模型通过遵守指定的设计条件来生成潜在的新材料，从而大大减少传统上材料发现所需的时间和精力。微软研究院首席研究经理谢田强调该模型能够假设优质材料，这标志着对以前方法的重大飞跃。

该模型利用类似于图像创建中使用的扩散架构来生成分子结构。通过采用量子力学计算，MatterGen 创建了强大的训练数据集，从而产生了比传统方法更高效的模型。

使用 MatterSim 模拟材料行为

MatterSim 是对 MatterGen 的补充，可以预测新创建材料的行为。与它的对应物不同，MatterSim 充当模拟器，专注于不同条件下的分子行为。该模型利用 Graphomer 架构，为科学家提供了对原子相互作用的见解，提高了材料特性预测的准确性。

微软研究院首席研究员陆子恒表示，MatterSim 的主动学习方法使其能够不断完善预测，从而在材料行为预测方面实现前所未有的准确性。

Aurora 彻底改变天气预报

Aurora 是微软的另一个人工智能基础模型，它通过整合来自不同来源的大量数据集来改变大气预测。首席研究经理 Paris Perdikaris 强调了 Aurora 综合基于物理的模型和现实世界观测数据的能力，提供更准确、计算效率更高的天气预报。

该模型能够预测包括污染水平在内的大气状况，凸显了其多功能性以及在速度和精度方面超越传统计算模型的潜力。

对科学研究更广泛的影响

微软的人工智能基础模型旨在使科学探索民主化，让更广泛的受众能够接触到复杂的科学。通过为材料和大气研究提供先进的工具，这些模型不仅促进学术研究，而且在各个行业都具有商业潜力。

人工智能与科学研究的融合预示着加速发现的新时代，有望在医学和材料科学等领域取得快速进步。通过 MatterGen、MatterSim 和 Aurora 等举措，微软不断突破人工智能在理解和操纵自然世界方面的界限。

图片来源：Shutterstock