北京大学深圳研究生院科学智能学院

科研成果

01-202025

我院莫凡洋团队在AI for Chromatography方面取得新进展

近日，我院莫凡洋团队与东方理工大学张东晓团队合作，通过结合统计学和机器学习方法，首次明确揭示了薄层色谱（TLC）与柱色谱（CC）之间的量化关系。该研究提出了一种知识发现技术、建立了可解释的公式，将专家经验（Chemist’s experience）转化为“人工智能经验”（AI experience），为色谱分离实验条件的确定与优化提供了理论支持。相关成果发表于《自然·通讯》（Nature Communications）。

01-182025

信息工程学院田永鸿、陈杰研究团队AI4S新进展登Nature Machine Intelligence

2024年诺贝尔物理学奖和化学奖双双花落AI领域——前者突出“Science如何应用并改变AI”，后者强调“AI如何改变科学和人们的认知”，将AI for Science（AI4S）的研究热度推上新高潮，其在成为学界前沿趋势的同时正在推动科学研究范式的变革。信息工程学院田永鸿、陈杰团队一直致力于推动AI for Science的发展，前期工作曾入围2022年度戈登贝尔特别奖，与美国阿贡国家实验室、橡树岭国家实验室团队在世界舞台上角逐这一超级计算机领域的国际最高奖项，团队于众多世界级顶尖强队中脱颖而出名列前茅，展现出中国人工智能在计算集群和科研创新领域的全球顶尖水平。除此之外，团队先后获得2023年度广东省科学技术奖科技进步奖特等奖、首届“祖冲之奖——人工智能前沿创新奖年度重大成果奖”以及国家数据局2024年“数据要素×”大赛广东省一等奖、全国二等奖等荣誉。1月17日，团队联合广州国家实验室周鹏研究员的AI4S研究新进展在《自然·机器智能》（Nature Machine Intelligence）上发表，再次展现AI助力自然科学研究范式革新的巨大潜力。

01-042025

我院AI4S交叉研究取得重要进展 | 莫凡洋/袁粒与合作者开发机器学习手性分子光谱预测模型

电子圆二色光谱（electronic circular dichroism，ecd）作为一种关键的光谱技术，具有用量少、易测定等优点，在不对称催化、功能材料和药物发现等领域有重要且广泛的应用，已成为探索手性分子空间绝对构型的有力工具。然而，圆二色光谱的理论计算往往复杂且耗时，成为化学研究和药物开发中的时间瓶颈。随着人工智能的发展，使用机器学习自动化预测分子光谱的技术得到研究者们的广泛关注。当前，在分子光谱预测研究中，基于连续序列预测的自回归模型在一些任务中展现了出色的性能与发展潜力。然而圆二色谱特征信息稀疏，直接采用连续序列建模会学到很多无关噪声，造成模型过拟合，不具有泛化能力。

12-262024

TPAMI | 北京大学深圳研究生院陈语谦团队在AI4S领域领域取得进展

近年来，人工智能技术在药物设计中发挥关键作用，尤其是在蛋白质-配体结合亲和力（Protein-Ligand Binding Affinity, PLA）预测、药物-药物相互作用（Drug-Drug Interactions, DDI）预测、化合物性质预测、化合物逆合成设计等方面，加快了从庞大的化学空间中筛选出潜在药物的过程。北京大学深圳研究生院研究员、科学智能（AI for Science, AI4S）中心主任陈语谦团队在人工智能辅助药物设计领域取得了重要进展，成果发表在2024年12月的IEEE Transactions on Pattern Analysis and Machine Intelligence（TPAMI,人工智能顶级期刊，IF=20.8），相关工作还包括了三篇发表于2024年的IEEE Transactions on Neural Networks and Learning Systems（TNNLS,人工智能顶级期刊，IF=10.2）和2023年基于AI技术推断逆合成步骤的Nature Communications（NC，综合顶刊，IF=14.7）。

12-242024

北京大学深圳研究生院陈语谦团队发表AI赋能中医药的未来进展

近日，北京大学深圳研究生院，信息工程学院AI4S平台中心主任与化学生物学与生物技术学院合聘研究员陈语谦受邀发表人工智能（AI）对传统中医药（TCM）研究的赋能这一主题，总结了过去二十几年来对于世界最大的中医药数据库（TCMBank）的建立、维护和更新，并且深入探讨了TCM与AI在多个研究领域的整合应用，包括草药筛选、新药发现、诊断治疗原则、药理机制和网络药理学等。该综述还详细探讨了AI通过数据挖掘、模式识别和预测分析，揭示TCM复杂配方的活性成分和作用机制。AI与TCM的结合不仅帮助人们从新的角度理解传统的中医药知识，还开辟了新的研究方法和治疗策略。该成果发表在2024年9月的Chemical Science，第一作者为北京大学化学生物学与生物技术学院博士生宋治霖和中山大学智能工程学院博士生陈观兴，通讯作者为陈语谦，其他相关工作还包括了发表于2023年的Chemical Science和2023年的Signal Transduction and Targeted Therapy（STTT，IF=40.8）。