用AI“搭桥”，深圳湾驶入产学研创新“快车道”

　数智时代下，AI是最重要的通用技术之一，具有溢出带动性很强的“头雁”效应。其进入制造、电力、农业等领域，不仅能带动产业提质增效，还能创造显著的经济和社会效益。

　　而在科研领域，借AI之力推动产学研用创新的例子也不胜枚举。比如，目前AI就被广泛应用于科学计算领域，这大幅提升了科学家们的工作效率。但不为人知的是，科学计算的基础软件对于AI的兼容性问题十分突出，一度让深圳湾实验室副研究员杨奕苦恼不已。毕竟，这些科学计算软件最初设计的时候并非为AI而生。

　　如何让先进的AI技术、AI框架融入科研院所？从深圳湾实验室与昇思MindSpore开源社区携手，推动科研实现“从0到90”跨越式进步的案例中，你或许能得到答案。

　　缺人手、缺软件、缺平台......产学研发展面临时代挑战

　　杨奕于2019年正式回国并加入深圳湾实验室，负责分子模拟领域的研究工作。团队希望将AI算法应用到分子模拟领域。谁料，缺软件、缺人手......各种挑战接踵而至。

　　就拿“缺人”来说。“我们的课题组，最开始只有两人，后来逐渐发展，也不过五六个人。大家集中干这一件事情，虽然写了一些核心代码，但单纯靠一个课题组实现一个完整的科学计算套件的难度太大。”杨奕表示。

　　不仅如此，在人工智能框架和分子模拟软件的相互兼容环节，也让实验团队众人犯了难。

　　“当下比较流行的分子动力学模拟软件，历史都比较悠久，而且大部分是使用C/C++和Fortran等编译型语言来编程，这些软件想兼容目前主流的AI框架是非常困难的。”

　　据杨奕说，近些年，AI的发展非常迅速，也开始往科学计算领域大量渗透。然而，随着研究的逐步深入，他发现，分子模拟研究中常用的软件，如AMBER、GROMACS、LAMMPS等存在设计思想老旧的问题，最初没有考虑到与AI框架兼容结合的问题，因而它们很难匹配市面上如MindSpore、TensorFlow、PyTorch、JAX等最新的AI框架，这也导致AI算法难以真正地应用到分子模拟实验中。

　　如何才能解决兼容性问题，让AI真正为科研赋能？杨奕和他所在的团队想，“既然传统的分子模拟软件难以兼容AI框架，那么我们有没有可能打造一套使人工智能框架与分子模拟无缝结合的系统？那将会是一件非常有前景的事情。”