——记AI研究院首期“课题进展文献综述”茶歇分享会

     在数字化浪潮席卷全球的今天，人工智能技术正以前所未有的速度重塑着各行各业的研发范式。烟台国工智能科技有限公司AI研究院作为企业的"望远镜"，肩负着探索前沿技术、引领创新方向的重要使命。为更好地履行这一职责，AI研究院于近期启动了"课题进展文献综述"系列培训分享茶歇会，首期活动聚焦"AI催化研发"这一前沿交叉领域，由国工智能AI催化研发课题负责人胡钧员研究员带来《AI催化研发手记：从小白到实战派》的精彩分享。本次活动不仅是一次知识盛宴，更标志着公司内部学术交流机制的全新升级。

     催化科学作为化学工业的"基石"，在能源、材料、医药等众多领域发挥着不可替代的作用。胡钧员在分享中系统梳理了催化剂的基本概念与发展历程，指出催化剂是"能够加快反应速度而在反应前后自身不被消耗的物质"，其核心价值在于"改变反应进程"和"降低活化能"。从19世纪的硫酸合成催化剂到当代的电催化剂，催化技术的发展史堪称一部人类工业文明的缩影。

图1.催化剂世界发展史

     特别值得关注的是，催化剂的分类与应用场景呈现出高度的多样性。按照反应体系可分为均相催化剂和多相催化剂；按照能量形式则包括热催化、光催化、电催化等不同类型。这些催化剂在精细化工、大宗化工、环境保护和氢能产业等领域有着广泛应用。本次分享的国工智能AI催化研发课题以"改变世界的8大催化剂"为例，生动展示了催化技术如何推动社会进步——从合成氨技术解决全球粮食问题，到费托合成实现能源转化，再到手性选择催化剂革新药物合成，每一项突破都深刻改变了人类生活。

     尽管催化科学成就斐然，传统研发模式却面临着越来越明显的瓶颈。胡钧员指出，催化剂研发是一个典型的多目标优化问题，需要同时兼顾"活性、选择性、产率、寿命"等多项性能指标，而这些指标往往相互制约，形成"一组一定程度矛盾的性能"。在传统实验试错模式下，研发一款新型催化剂往往需要"几十年、数万次实验"的积累，投入巨大而效率低下。

     分子模拟技术的引入虽然部分缓解了这一困境，但仍存在明显局限。量子化学计算方法如密度泛函理论(DFT)虽然能够提供反应机理的微观洞察，但面临"计算精度不高"的固有难题，主要源于"多电子情况，方程求解变难"的理论限制。此外，传统计算方法"未包含时间尺度"，"难以考虑分子构象多样性"，在解决复杂催化问题时往往力有不逮。

     面对这些挑战，国工智能AI催化研发课题组成员通过梳理近60年来诺贝尔化学奖的获奖情况，探讨了理论化学的发展脉络与影响，并进一步梳理了理论化学研究范式变化: 理论范式→ 计算仿真范式→ 数据驱动的范式。而当前"AI for Science"的解决方案是“数据驱动的范式”的前沿，将其称为科学研究的"第五范式"(情报学报, 2025, 44(2): 132-142.)。这一范式以人工智能技术为核心，通过"学习与预测自然界和人类社会中的规律"，实现科学发现和创新过程的加速。在催化领域，AI技术与分子模拟技术、实验化学不断地进行融合，产生新的“融合算法”可以给催化领域带来变革，这里列举了三个例子：

图3.科研范式演化图

• 首先是“智能反应路径搜索算法”。反应路径搜索算法目前学术界有很多，如键重排方法、外力驱动模型、扩散模型和随机行走算法，它们能够高效探索反应路径空间，但在面临复杂催化的场景中存在着计算缓慢、搜索空间巨大等情况。国工智能AI催化研发课题组团队开发的算法仅用5分钟就完成了一个基元反应测试，与传统方法相比效率显著提升。

• 其次是“分子生成算法”的创新。传统分子生成方法存在"生成分子数量庞大"、"较多不符合化学规则"、"可合成性不可控"等问题。国工智能AI催化研发课题组成员通过构建催化剂数据库、制定强化学习新规则和融合多种优化算法，开发出更高效的分子生成系统。这一系统能够"由人工智能技术生成人类经验之外的催化剂分子"，大大扩展了研发的探索空间。

• 最后是“预测模型的构建”。通过机器学习技术分析催化剂描述符与性能之间的关系，建立高精度的预测模型。国工智能AI催化研发课题组特别强调，工业界场景下的AI应用面临"数据量较小"的挑战，需要开发"模型泛化能力要求较高，模型不宜太复杂"的解决方案，这对AI技术使用者提出了更高要求。

   

     理论创新需要实践验证。胡钧员分享了一个极具说服力的案例：某国内龙头化工企业长期依赖进口的聚烯烃催化剂研发项目。客户"花费几年时间，合成数百个分子"却几乎毫无进展，称之为"众多课题中最难的一个"。面对仅有66条实验数据的"少数据量场景"，国工智能AI催化研发课题组团队运用AI技术，在一年半时间内实现了突破性进展。

    通过构建"活性描述符"、"选择性描述符"和"固体量描述符"的预测模型，团队开发出能够生成百万量级候选分子的AI系统。经过高通量筛选，最终确定了一个各项性能均达标的分子结构。令人惊叹的是，AI"只推了一个分子，就达到客户做了几年实验、合成数百个分子所能达到的水平"。目前该分子已进入小试阶段，有望成为"世界首个由人工智能设计的可商用催化剂分子"。

     这一案例生动展示了AI技术在解决"卡脖子"问题上的巨大潜力。通过AI辅助研发，中国企业有望在关键催化技术上实现自主创新，打破国外几十年积累形成的技术垄断。

     基于这些成功经验，国工智能AI催化研发课题提出了构建"催化剂AI研发平台"的愿景。该平台将分为三个层级：

• （1）强定制化产品：面向复杂研发需求，需要融合计算化学、人工智能和催化剂专业知识；

• （2）半定制化产品：则主要服务于常规催化剂研发，提供可编辑界面；最终目标是开发；

• （3）标准化小分子催化剂平台：实现"录入历史实验数据和催化剂基本信息→性质预测→分子生成"的完整工作流。

   

     国工智能AI催化研发课题组展示了平台测试案例：仅需20分钟即可构建预测模型，1-2分钟完成单个性能预测，DFT高精度计算也仅需数小时。这种高效率、智能化的研发平台有望彻底改变传统催化剂的开发模式。

     首期"课题进展文献综述"茶歇分享会在热烈的讨论中圆满结束。国工智能AI催化研发课题的报告不仅系统梳理了AI催化研发的前沿进展，更通过真实案例展示了技术创新如何转化为产业价值。这一活动充分体现了AI研究院作为公司"望远镜"的战略定位——既要有仰望星空的前瞻视野，也要有脚踏实地的实践智慧。

    催化科学的AI赋能只是一个开始。随着AI for Science范式的深入发展，我们有望在更多领域见证类似的变革。对烟台国工智能科技而言，这既是机遇也是挑战：如何将AI研究院的前沿探索与公司主营业务有机结合？如何培养既懂专业技术又精通AI算法的复合型人才？这些问题值得每一位国工人深思。

     未来，AI研究院将持续举办高质量的学术交流活动，营造开放、创新的学习氛围，为公司高质量发展提供智力支持。正如本次分享会所展示的，在科学与技术边界日益模糊的今天，唯有跨界融合，方能智创未来。