材料、化学、物理等基础科研领域的发展，是大国科技竞争力的重要保证，直接决定了社会各方面进步的步伐。在人工智能（AI）2.0时代，如何利用大数据挖掘和人工智能技术为基础科研领域赋能，成为了基础科学实现“弯道超车”的重要命题。 

　　（1）新材料领域 

　　2018年7月，《自然》期刊登载了一篇题为“分子和材料研究用机器学习”的文章，综述了AI技术在材料、化学中的作用。文章认为，计算化学/材料学的研究流程已经更迭至第三代——“统计驱动的设计”，主要利用机器学习算法从物理、化学数据预测出元素组成、结构和性能。 

　　（2）化学领域 

　　2018年3月，上海大学马克 沃勒（Mark Waller）团队收集了截止到2014年发表过的几乎所有的化学反应约有1250万个反应，然后应用深度神经网络及蒙特卡洛树算法，成功地规划了新的化学合成路线，即便是权威的合成化学专家，也无法区分这款软件与人类化学家之间的区别。 

　　（3）物理领域 

　　大型强子对撞机每秒可产生100万GB的数据，给存储和分析带来了极大难题。研究人员利用专用的软硬件，通过机器学习技术实时决定哪些数据需要保存，哪些数据可以丢弃。结果表明，机器学习算法可以至少做出其中70%的决定，大大减少了人类科学家的工作量。 

　　来源：微信公众号“全球技术地图”