麻省理工学院材料科学与工程副教授拉斐尔·戈麦斯-邦巴雷利（Rafael Gómez-Bombarelli）十多年来一直运用人工智能技术创造新材料。随着人工智能技术的不断发展，他的研究目标也日益宏大。
这位新晋终身教授坚信，人工智能将以前所未有的方式彻底改变科学研究。他在MIT及其他机构的工作，正致力于加速这一未来的到来。
“我们正处于第二个转折点，”戈麦斯-邦巴雷利说。“第一个转折点大约发生在2015年，当时代表性学习、生成式人工智能以及某些科学领域的高通量数据技术开始兴起。这些技术是我最早引入MIT实验室的。现在，我们正迈入第二个转折点，语言技术与多模态数据融合，推动通用科学智能的发展。未来我们将拥有各种模型类别和规模定律，能够理解语言、材料结构以及合成工艺。”
戈麦斯-邦巴雷利的研究结合了基于物理的模拟与机器学习、生成式人工智能等方法，致力于发现具有实际应用潜力的新材料。他的成果涵盖电池、催化剂、塑料和有机发光二极管（OLED）等领域。此外，他还共同创办了多家公司，并担任多家应用人工智能于药物发现、机器人技术等领域初创企业的科学顾问。他最新创立的公司Lila Sciences，旨在打造面向生命科学、化学和材料科学行业的科学超级智能平台。
所有这些工作都旨在确保未来的科学研究比现在更加高效和顺畅。
“人工智能在科学领域的应用是最令人兴奋且充满理想的，”戈麦斯-邦巴雷利表示。“相比其他领域，人工智能在科学中的应用更具积极意义，能够推动更美好的未来提前到来。”
从实验到模拟
戈麦斯-邦巴雷利出生于西班牙，自幼对物理科学充满兴趣。2001年，他获得化学奥林匹克竞赛冠军，随后在家乡的萨拉曼卡大学攻读化学本科，并继续攻读博士，研究DNA损伤化学物质的功能。
“我的博士研究最初是实验性的，后来逐渐转向模拟和计算机科学，”他说。“我开始模拟实验室中测量的化学反应。编程帮助我理清思路，这种方式自然且高效，也不受手工操作或仪器限制。”
随后，他赴苏格兰从事博士后研究，专注于生物学中的量子效应。在此期间，他结识了哈佛大学化学教授阿兰·阿斯普鲁-古兹克（Alán Aspuru-Guzik），并于2014年加入其团队继续博士后研究。
“2015年，我是首批利用神经网络理解分子的研究者之一，2016年则率先将生成式人工智能应用于化学领域，那时深度学习刚刚起步。”
戈麦斯-邦巴雷利还致力于消除分子模拟中的手动环节，实现高通量计算。他和团队进行了数十万次材料计算，发现了数百种有潜力的材料。
两年后，他与阿斯普鲁-古兹克共同创办了一家通用材料计算公司，后转型专注于有机发光二极管的生产。戈麦斯-邦巴雷利全职加入公司，称这是他职业生涯中最具挑战的经历。
“能创造出实实在在的产品令人兴奋，”他说。“看到阿斯普鲁-古兹克管理一个40人团队，频繁出差，我曾不想成为教授，觉得教授生活轻松。但后来发现其实非常辛苦，需要极大的精力和创造力。”
2018年，阿斯普鲁-古兹克建议他申请MIT材料科学与工程系的新职位。起初因犹豫错过了申请截止日期，后来在阿斯普鲁-古兹克的督促下，他最终提交了申请。
在创业期间，戈麦斯-邦巴雷利积累了丰富的计算材料发现经验。面试过程中，他被MIT的活力和合作氛围深深吸引，也看到了更多研究可能性。
“我之前的工作只是MIT研究领域的一部分，现在我的研究范围大大拓宽了。”
九年过去了，他的实验室专注于研究原子组成、结构和反应性如何影响材料性能，利用高通量模拟开发新材料，并推动深度学习与物理建模的融合。
“基于物理的模拟能不断产生数据，提升人工智能算法的表现，人工智能和模拟之间形成了良性循环。”
他的团队完全依赖计算，不进行实体实验。
“这让我们能同时开展广泛的研究。我们乐于与实验科学家合作，努力成为他们的好伙伴，也致力于开发帮助他们筛选AI生成想法的计算工具。”
此外，他的实验室紧密联系企业和MIT工业联络项目，了解私营部门的材料需求和商业化挑战。
加速科学发展
随着人工智能的爆发式发展，戈麦斯-邦巴雷利目睹了该领域的成熟。Meta、微软和谷歌DeepMind等公司如今常规开展类似他2016年研究的基于物理的模拟。美国能源部于去年11月启动了“创世纪任务”，旨在利用人工智能加速科学发现、国家安全和能源优势。
“人工智能在模拟领域已从可能性变成科学共识。我们正处于转折点。人类用自然语言思考和写作，而大型语言模型掌握了自然语言，这为加速科学打开了新大门。我们已经看到模拟和语言的规模效应，接下来将见证科学的规模效应。”
初到MIT时，戈麦斯-邦巴雷利惊讶于研究者间的非竞争氛围。他努力将这种积极共赢的理念带入自己的团队，团队成员约25名，包括研究生和博士后。
“我们团队成员背景多样，思维方式各异。每个人都有自己的职业目标和优势弱点，帮助他们发挥最佳状态是一件有趣的事。如今，我成了那个催促别人逾期申请教职的人，看来我已经接过了接力棒。”
