诺奖得主来北大，跟同学们聊了啥？

亚吉回忆，自己在学生时代也经历过无数次失败，甚至曾怀疑是否适合从事化学研究。但每一次实验，无论成功与否，只要建立在可靠的科学基础上，都能带来新的观察和认识。科研中的失败同样是积累知识的过程。只要仍然能够从中获得新的认识，就有继续探索的价值。

演讲会上，亚吉以“人工智能×物质：选择科学的兴起”为题，在北京大学“大学堂”顶尖学者讲学计划中作学术报告。

从能够捕集二氧化碳、从空气中取水的新材料，到人工智能驱动的科学发现，亚吉展示了材料科学发展的广阔前景，并提出了关于未来科学研究的重要思考：当AI带来近乎无限的可能，科学如何选择？

为回答这一问题，亚吉阐述了“选择科学”（Selection Science）的构想，尝试系统研究如何依据科学证据、预测与人类判断，从众多可能性中确定值得探索、制造和应用的方向。

纵观人类文明的发展，从石器时代、青铜时代、钢铁时代到硅时代，每一次重要的材料创新，都深刻改变了人类的生产与生活方式。材料是文明的基础。

亚吉指出，随着人类不断掌握更加精细的物质设计方法，新的材料持续推动着经济发展和文明进步。而材料设计的下一步，是实现原子和分子层次的精准控制。如果化学家能够像建筑师设计房屋一样，先构想一种材料的结构，再选择合适的“零件”将它搭建出来，化学将拥有怎样的可能性？

这正是网格化学（Reticular Chemistry）所探索的方向。它将分子或原子簇视为构建单元，通过化学键将它们连接起来，像搭积木一样创造出结构有序、功能各异的新材料。

亚吉参与开创的金属有机框架（MOFs）以及后续发展的共价有机框架（COFs），正是其中的代表。2025年，亚吉因在金属有机框架材料发展中的贡献，与另外两位科学家共同获得诺贝尔化学奖。

这类材料有一个令人惊叹的特点：拥有丰富而且可以精确设计的孔隙结构。

亚吉介绍，一克高比表面积的MOF材料，体积可能只有方糖大小，内部却能够拥有约10000平方米的表面积，几乎相当于两个足球场。这意味着大量原子可以成为吸附气体和其他分子的位点，使材料具备出色的捕获、分离和储存能力。通过改变分子构建单元、连接方式以及内部官能团，科学家还可以设计出性质各异的材料。

按照亚吉展示的理论估算，MOF和COF的潜在结构组合空间甚至可以达到10的3000次方。这个数字有多大？它意味着，在已知的材料世界之外，还有一个几乎无法穷尽的设计空间。

但如此庞大的可能性究竟能够为人类带来什么？亚吉用三个案例给出了回答。

第一，是在工业排放中捕集二氧化碳。 亚吉介绍，加拿大卡尔加里大学化学教授George Shimizu历经约12年的研究，开发出一种能够高效捕集二氧化碳的MOF材料，并开展了面向水泥厂排放气体处理的应用研究。借助这种材料，二氧化碳有望在进入大气之前被捕获。

第二，是直接从空气中捕集二氧化碳。 相比工业排放，空气中的二氧化碳浓度仅约为百万分之四百，捕集难度更大。研究团队通过在COF材料内部设计特定的吸附位点，使其能够有效捕获空气中的二氧化碳，并在室外环境中验证了材料的捕集能力，为应对气候变化提供了新的技术路径。

第三，是从干燥的空气中获取水。全球许多地区面临水资源短缺问题，但即使在干燥的沙漠空气中，也存在一定数量的水分。如何以较低能耗将其收集起来，是科学家长期探索的问题。

亚吉团队开发的MOF-303材料，能够在低至10%的相对湿度下吸附水分。通过精细设计孔道内部的亲水和疏水环境，材料能够高效捕获空气中的水分，并在适当条件下将水释放出来。

基于这一原理，研究团队进一步研制空气取水装置，利用材料吸附和释放水分的特性，将空气中的水转化为液态水。相关技术为干旱地区获取清洁水源提供了新的可能。从捕集二氧化碳到从空气中取水，亚吉展示了分子层次的精确设计如何转化为解决现实问题的技术。

在传统化学研究中，科学家常常依靠经验和直觉，反复调整反应条件，通过大量试错寻找合适的合成方法。这种方法积累了丰富的科学知识，但也有明显的局限：人的经验总是有限的，许多潜在的反应条件和材料组合，可能从未进入研究者的视野。

当人工智能能够快速处理海量数据、提出新的反应条件，机器人能够自动完成实验和测试，化学研究会发生什么变化？亚吉提出了“AIMATRY”的概念，希望利用人工智能实现材料的设计、合成与性能预测，并根据目标性能反向设计材料结构，打造材料发现的人工智能引擎。

他通过两个具体案例，展示了人工智能正在如何改变实验室。

第一个案例，是让AI大模型帮助优化一种共价有机框架（COF）材料的结晶条件。

对于化学家而言，合成一种COF材料已经具有挑战性，而获得结晶度良好的材料往往更加困难。一种研究了约十年的COF材料，始终面临结晶度不理想的问题。研究团队决定尝试利用ChatGPT寻找新的解决办法。

研究人员首先向ChatGPT提供材料合成的相关背景、影响因素及实验要求，请它设计96组不同的反应条件。这些建议中，有些符合化学家的既有经验，有些需要跨越多个知识领域才能想到，还有一些甚至超出了研究者以往考虑的范围。随后，机器人根据AI提出的条件开展实验，对所得材料进行表征和评价，再将结果反馈给ChatGPT，进行下一轮优化。经过三轮循环，仅用两周时间，部分COF材料的结晶度明显提升。

“即使是最简单的模型，在实验室中也可以产生强大效果。”亚吉感叹。

在他看来，AI的意义还体现在那些看似不合理的建议之中。正是一些研究者此前从未考虑的反应条件，有可能帮助科学家打破经验限制，找到新的突破口。

第二个案例，则与一名北大学生有关。

亚吉介绍，这项利用机器学习探索新型沸石咪唑酯骨架（ZIF）材料的研究，最初由一名北京大学学生启动。这名学生通过计算研究开展探索，也推动了亚吉本人进入AI与计算领域。

研究团队将人工智能预测与自动化实验相结合，建立起涵盖材料设计、合成和规模化的闭环研发体系。他们不仅将成功的实验结果纳入模型，也重视那些失败的尝试。即使数据量有限，将有效和无效的实验信息一并用于训练与反馈，也能够持续提高模型的预测能力。经过几个循环，研究团队成功获得一种具有此前尚未实现的拓扑结构的ZIF材料。

亚吉介绍，这一突破涉及一个经过众多研究团队长期探索的研究方向。人工智能帮助研究者发现了传统研究路径中未能实现的结构。从提出实验条件，到机器人自动合成，再到机器学习探索未知材料，AI正在改变科学发现的速度，也拓展着科学家能够探索的范围。

在亚吉看来，人工智能的价值远不止提高实验效率。它能够连接不同领域的知识，提供研究者可能从未想到的方案，甚至在未来帮助人类提出新的科学问题。

“人类正在从稀缺走向丰裕。”讲座中，亚吉用这一判断描述人工智能时代科学研究正在经历的变化。

过去，科学发现往往受限于能够研究的材料数量、可以获取的数据，以及预测和计算的能力。制造、观察和测量前人未曾触及的事物，本身就是科学发现的重要来源。如今，人工智能可以生成数百万种潜在材料，机器人能够根据要求制造并测试它们，科学知识也以前所未有的速度积累。随着技术发展，提出新的可能性正在变得越来越容易。

那么，未来真正重要的是什么？亚吉给出了两个答案。

首先，是提出好问题、提出大问题的能力。

在他看来，科学家需要思考哪些问题真正值得解决，哪些方向能够打开新的研究领域，哪些发现有机会为人类社会带来深远影响。这种能力在AI时代变得更加重要。当许多常规任务可以交由人工智能完成时，研究者更需要把目光投向那些具有根本意义、尚未得到解决的问题。

其次，是从大量可能性中作出科学选择的能力。

传统化学研究中的许多判断依赖“化学直觉”。这些直觉建立在长期经验之上，但未必总有充分的事实依据。例如，当一次合成实验失败，研究者可能迅速列出多种原因，但这些解释往往还需要进一步验证。仅仅依靠经验反复试错，既耗费时间，也可能让真正有效的方案被忽略。

亚吉因此提出了“选择科学”的构想。

按照他的定义，当可实现的可能性远远超出人类逐一推进的能力时，选择科学希望系统地研究：我们应该构想什么、制造什么、测试什么、开发什么，又最终使用什么？这其中涉及研究目标、科学证据、预测能力、新颖性、风险、可行性以及人的判断等多个方面。

亚吉设想，未来材料研究可以形成一个新的循环：由AI生成可能性，研究者和智能系统共同作出选择，再通过实验制造、测量和学习，将新的知识反馈给下一轮探索。每一次选择，都能为下一次选择积累更可靠的依据。

他还强调，科学选择需要跨越单一学科的边界。从设计一种分子，到制备材料、开发器件，最终实现规模化应用，研究者需要理解化学、材料科学、工程技术、计算机科学乃至经济和社会需求之间的联系。在这一过程中，人工智能能够帮助科学家快速学习其他领域的知识，建立不同学科之间的联系，而研究者则需要综合判断技术发展的方向与价值。

当创造新的可能性不再那么困难，决定什么值得创造，将成为科学探索更加重要的命题。

亚吉认为，“选择科学”仍有许多基础性问题需要研究，但它所关注的远不止材料科学。无论科研、经济还是社会发展，人类都需要在越来越多的可能性中作出有依据的选择。对于年轻一代科学家而言，这意味着前所未有的机遇，也意味着需要培养新的能力：善用人工智能，保持独立思考，敢于提出重大问题，并将科学探索与真实世界的需求联系起来。

“从来没有哪个时代比现在更适合做化学。”

这是亚吉留给新一代化学家的寄语。

从原子与分子的精密设计，到人工智能带来的无限可能，科学正在进入一个更加广阔的探索空间。而面对不断涌现的新技术、新材料与新方向，如何提出真正重要的问题，如何从成功与失败中积累知识，如何让科学成果走向社会，也将成为每一代研究者需要不断回答的问题。

来源 | 北京大学融媒体中心、北京大学国际合作部、北京大学化学与分子工程学院

编辑 | 何枝纯、张矣可

图片 | 李嘉易、朱成轩、赵东青

排版 | 顾馨月

责编 | 雪城