近年来，AI for Science 发展提速，不仅为科研领域带来创新研究思路，同时也拓宽了 AI 的落地通路，为其提供了更多具有挑战性的应用场景。在这个过程中，越来越多的 AI 领域研究人员开始关注医疗、材料、生物等传统科研领域，探索其中的研究难点与行业挑战。
2024 年的诺贝尔化学奖颁发给了在结构生物学领域取得重大成就的 David Baker 团队和 AlphaFold 团队，激发了 AI for science 领域新的研究热潮。
在 HyperAI超神经联合出品的 COSCon’24 AI for Science 论坛中，来自清华大学电子工程系城市科学与计算研究中心的博士后研究员丁璟韬带来了深度分享，以下为演讲精华实录。
历时四年，微软亚研院AI for Science团队发布AI驱动的从头算（ab initio）生物分子动力学模拟系统。 直接登上Nature正刊。
材料正成为AI4S下一个要攻占的阵地。2024年诺贝尔化学奖的颁布，让一群国内的AI创业者和从业者兴奋不已。
在本次直播对话中，我们邀请到了两位在AI for Science领域的杰出专家——深势科技生物医药工业软件负责人郑行和北京科学智能研究院算法研究员郑大也，一起聊了聊AI for Science的AI与传统AI的不同之处。
随着 AI for Science 受到越来越多的关注，人们更加关心 AI 如何解决一系列科学问题并且可以被成功借鉴到其他相近的领域。
两年的时间见证了DeepMind基于AlphaFold建立Isomorphic Lab，微软建立AI4Science Initiative, 以及国内深势科技，AISI等大力推动AI4Science建设的企业，学术机构的不断发展壮大。
新型材料的研发历程就有点像人们去「沙滩」上捡「贝壳」，这些「贝壳」可能用传统的方法很难发掘，但 AI for Science（简称 AI4S）为我们带来了新的可能。
