十多年来，麻省理工学院副教授拉斐尔·戈麦斯-邦巴雷利一直在利用人工智能来创造新材料。随着技术的不断发展，他的目标也变得更加宏伟。

这位刚刚获得终身教授职位的材料科学与工程学教授相信，AI正准备以前所未有的方式变革科学。他在麻省理工学院及其他领域的工作都致力于加速这一未来的到来。

"我们正处于第二个拐点"，戈麦斯-邦巴雷利说道。"第一个拐点大约在2015年，随着第一波表征学习、生成式AI，以及某些科学领域高通量数据的出现。这些都是我首次引入麻省理工学院实验室的技术。现在我认为我们正处于第二个拐点，将语言与多种模态融合到通用科学智能中。我们将拥有所有必需的模型类别和缩放定律，用于语言推理、材料结构推理，以及合成配方推理。"

戈麦斯-邦巴雷利的研究将基于物理的仿真与机器学习和生成式AI等方法相结合，以发现具有广阔现实应用前景的新材料。他的工作已经催生了用于电池、催化剂、塑料和有机发光二极管的新材料。他还联合创立了多家公司，并在应用AI进行药物发现、机器人技术等领域的初创公司担任科学顾问委员会成员。他的最新公司Lila Sciences正在致力于为生命科学、化学和材料科学行业构建科学超级智能平台。

所有这些工作都旨在确保未来的科学研究比现在更加无缝高效。

"AI科学应用是AI最令人兴奋和最有雄心的用途之一"，戈麦斯-邦巴雷利说道。"AI的其他应用存在更多缺点和模糊性。AI科学应用则是为了让更美好的未来提前到来。"

从实验到仿真

戈麦斯-邦巴雷利在西班牙长大，从小就对物理科学产生浓厚兴趣。2001年，他赢得了化学奥林匹克竞赛，使他走上化学学术道路，并在家乡的萨拉曼卡大学攻读化学本科学位。戈麦斯-邦巴雷利继续在该校攻读博士学位，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，但在中途我被仿真和计算机科学迷住了"，他说。"我开始仿真我在实验室中测量的相同化学反应。我喜欢编程组织大脑思维的方式；这感觉像是组织思维的自然方式。编程也不像手工操作或科学仪器那样受到限制。"

接下来，戈麦斯-邦巴雷利前往苏格兰进行博士后研究，专注于生物学中的量子效应。通过这项工作，他与哈佛大学化学教授阿兰·阿斯普鲁-古兹曼建立了联系，并于2014年加入后者的团队进行下一阶段的博士后研究。

"我是2016年最早将生成式AI用于化学的人之一，也是2015年首批使用神经网络理解分子的团队成员"，戈麦斯-邦巴雷利说道。"那是深度学习科学应用的早期阶段。"

戈麦斯-邦巴雷利还开始致力于消除分子仿真中的手动部分，以运行更多高通量实验。他与合作者最终在材料领域进行了数十万次计算，发现了数百种有前景的测试材料。

在实验室工作两年后，戈麦斯-邦巴雷利和阿斯普鲁-古兹曼创立了一家通用材料计算公司，该公司最终转向专注于生产有机发光二极管。戈麦斯-邦巴雷利全职加入这家公司，并称这是他职业生涯中最困难的事情。

"能够制造出有形的东西真是令人惊喜"，他说。"同时，在看到阿斯普鲁-古兹曼管理实验室后，我不想成为教授。我父亲是语言学教授，我认为那是一份轻松的工作。然后我看到阿斯普鲁-古兹曼管理着40人的团队，一年要出差120天。这太疯狂了。我觉得自己没有那种精力和创造力。"

2018年，阿斯普鲁-古兹曼建议戈麦斯-邦巴雷利申请麻省理工学院材料科学与工程系的一个新职位。但由于对教职工作的顾虑，戈麦斯-邦巴雷利错过了申请截止日期。阿斯普鲁-古兹曼在办公室里找到他，用手拍桌子，告诉他："你必须申请这个职位。"这足以让戈麦斯-邦巴雷利准备正式申请。

幸运的是，在初创公司期间，戈麦斯-邦巴雷利花了很多时间思考如何从计算材料发现中创造价值。在面试过程中，他说自己被麻省理工学院的活力和合作精神所吸引。他也开始欣赏研究的可能性。

"作为博士后和在公司的所有工作，都将成为我在麻省理工学院可以做的事情的一个子集"，他说。"我在做产品，现在仍然可以这样做。突然间，我的工作范围成为了这个新的可探索和可做事情范围的一个子集。"

自戈麦斯-邦巴雷利加入麻省理工学院已有九年时间。如今他的实验室专注于原子的组成、结构和反应性如何影响材料性能。他还利用高通量仿真创造新材料，并帮助开发了将深度学习与基于物理建模相结合的工具。

"基于物理的仿真使数据和AI算法随着更多数据的提供而变得更好"，戈麦斯-邦巴雷利说道。"AI和仿真之间存在各种良性循环。"

他建立的研究小组完全依赖计算——不进行物理实验。

"这是一个优势，因为我们可以有巨大的广度，同时做很多事情"，他说。"我们喜欢与实验学者合作，努力成为他们的好伙伴。我们也喜欢创建计算工具来帮助实验学者筛选来自AI的想法。"

戈麦斯-邦巴雷利仍然专注于他发明材料的现实应用。他的实验室与公司和麻省理工学院工业联络计划等组织密切合作，了解私营部门的材料需求和商业开发的实际障碍。

加速科学进步

随着人工智能热潮的爆发，戈麦斯-邦巴雷利见证了这个领域的成熟。Meta、微软和Google的DeepMind等公司现在定期进行基于物理的仿真，让人想起他在2016年从事的工作。11月，美国能源部启动了创世纪任务，利用AI加速科学发现、国家安全和能源主导地位。

"AI仿真从可能有效的东西变成了科学界的共识观点"，戈麦斯-邦巴雷利说道。"我们正处于一个拐点。人类用自然语言思考，用自然语言写论文，事实证明这些掌握了自然语言的大语言模型已经开启了加速科学的能力。我们已经看到缩放对仿真有效。我们已经看到缩放对语言有效。现在我们将看到缩放对科学的作用。"

戈麦斯-邦巴雷利说，当他刚到麻省理工学院时，研究人员之间的非竞争性让他震惊。他试图将同样的正和思维带到由约25名研究生和博士后组成的研究小组中。

"我们自然而然地成长为一个真正多元化的团体，拥有多元化的心态"，戈麦斯-邦巴雷利说。"每个人都有自己的职业抱负和优缺点。帮助人们成为最好的自己很有趣。现在我已经成为那个在截止日期后坚持让人们申请教职的人。我想我已经传递了这根接力棒。"

Q&A

Q1：戈麦斯-邦巴雷利认为当前AI科学应用处于什么阶段？

A：戈麦斯-邦巴雷利认为当前正处于AI科学应用的第二个拐点。第一个拐点在2015年左右，第二个拐点则是将语言与多种模态融合到通用科学智能中，将拥有用于语言推理、材料结构推理和合成配方推理的所有必要模型类别。

Q2：戈麦斯-邦巴雷利的研究方法有什么特点？

A：他的研究方法是将基于物理的仿真与机器学习和生成式AI相结合来发现新材料。他的研究小组完全依赖计算而不进行物理实验，这让他们能够有更大的研究广度并同时进行多项工作。

Q3：Lila Sciences公司的目标是什么？

A：Lila Sciences是戈麦斯-邦巴雷利的最新公司，致力于为生命科学、化学和材料科学行业构建科学超级智能平台，目标是使科学研究变得更加无缝高效。