利用人工智能（AI）“快速且精确地完成分子设计”的新技术已经被开发出来。分子设计是决定构成材料物质的原子能否稳定结合的关键。根据如何排列无数原子，分子是否稳定会出现差异。然而迄今为止，这一过程就像在一座巨大的山中寻找最低的山谷一样复杂多变，需要耗费巨大的时间和成本。与此不同，新开发的技术具有重要意义，因为它通过让人工智能学习和理解物理定律，从而能够快速而准确地找到最优路径。
KAIST表示，化学系教授 Kim Wooyeon 研究团队开发出一种能够自主理解决定分子稳定性的物理定律并预测结构的人工智能“黎曼扩散模型（Riemann Diffusion Model，R-DM）”，相关消息于10日公布。
（自左上角起）KAIST 教授 Kim Uyeon、KISTI 博士 Woo Jeheon、KAIST 博士 Kim Seonghwan、KAIST 博士课程在读 Kim Junhyeong。KAIST
View original image该模型最大的特点是直接将分子的“能量”纳入考虑。以往的做法只是让人工智能简单模仿分子的形状，而R-DM则会考虑分子内部作用着何种力，自主对结构进行修正。
研究团队先绘制出一幅分子结构地图，将能量越高的状态表示为山丘、能量越低的状态表示为山谷，然后设计出一种机制，使人工智能能够寻找并移动到最低的山谷（能量）。
R-DM在能量地形上避开不稳定结构，寻找最稳定状态，从而完成分子。这是将数学理论“黎曼几何”应用于其中的结果，人工智能通过自主学习化学的基本原理——“物质倾向于处于能量最低的状态”这一法则，才得以实现。
实验结果显示，R-DM的准确度最高可比现有人工智能高出20倍以上。其预测误差被压缩到与精密量子力学计算几乎无差别的水平。这在基于人工智能的分子结构预测技术中处于世界最高水准。
该技术可广泛应用于新药开发、下一代电池材料以及高性能催化剂设计等多个领域。研究团队期待，它有望成为在原本耗时巨大的分子设计过程中，大幅提升研发速度的“人工智能模拟器”。
此外，即使在化学事故或有害物质扩散等实验难以开展的情形下，该技术也能够快速预测化学反应路径，因此在环境与安全领域也被认为具有较大的应用潜力。
Kim教授表示：“R-DM是人工智能首次理解化学的基本原理并自主判断分子稳定性的案例”，并称“这一技术将在今后成为从根本上改变新材料开发方式的催化剂”。
![“月薪150万不如去美国年入5亿” 首尔大·KAIST人才纷纷收拾行囊 [科学家正在消失]①](https://cwcontent.asiae.co.kr/asiaresize/93/2026051914165468840_1779167814.png)
另一方面，本次研究由KISTI超级计算中心博士 Woo Jeheon 与KAIST创新新药研究团博士 Kim Sunghwan 共同担任第一作者参与。研究成果（论文）近日发表在国际学术期刊《Nature Computational Science》上。
版权所有 © 阿视亚经济 (www.asiae.co.kr)。 未经许可不得转载。
