大语言模型 (LLM) 已迅速成为科学研究的变革力量，彻底改变了科学家处理复杂问题、分析数据和产生新见解的方式。本文重点介绍 2024 年在科学研究中十个案例，展示了 LLM 在各个科学领域的多样化和有影响力的应用。
1. 药物研发
牛津大学与瑞士联邦理工学院（EPFL）、剑桥大学、康奈尔大学的研究团队合作，开发了一种名为 DiffSBDD 的人工智能系统，用于精确设计和优化药物分子的三维结构。
DiffSBDD 的核心创新在于将 SE(3)- 等变扩散模型引入结构导向的药物设计中。该方法将药物设计视为一个三维条件生成问题，通过引入 SE(3)- 等变性来处理分子系统中的自然对称性，包括旋转和平移。这一方法使得 AI 系统能够像经验丰富的分子建筑师一样，精确设计和优化药物分子的三维结构。
在实际应用中，DiffSBDD 展现了多功能分子设计能力。例如，在激酶抑制剂优化的案例中，模型通过多轮优化，显著提升了分子对目标激酶的结合得分，同时降低了对非目标激酶的结合倾向。此外，DiffSBDD 还能同时调控多个药物属性，包括类药性、合成可行性和结合亲和力等关键物理化学性质。
这一研究成果表明，人工智能在药物研发中具有巨大的潜力。通过利用大语言模型（LLM）和扩散模型等先进技术，研究人员能够更准确地预测小分子与蛋白质靶标的结合亲和力，从而加速药物候选物的筛选过程。这不仅提高了新药发现的效率和精准度，也为个性化医疗和精准医学的发展提供了新的工具和方法。
链接: https://www.graphable.ai/blog/ai-in-drug-discovery-and-development/
Structure-based drug design with equivariant diffusion models | Nature Computational Science
2. 材料科学
麻省理工学院（MIT）开发了一种名为LLMatDesign的框架，利用大型语言模型（LLM）来实现自主材料发现。
该框架能够分析大量材料数据，精准预测新材料的特性，从而彻底改变材料设计，加速先进材料的开发。
LLMatDesign通过LLM代理来理解人类指令，对材料进行修改，并使用提供的工具评估结果。通过对先前决策的自我反思，LLMatDesign能够在零样本条件下快速适应新任务和环境。在多项材料设计任务中的系统评估显示，LLMatDesign在小数据环境下有效地开发了具有用户定义目标特性的新材料。这一框架展示了在计算环境中以及未来自驱动实验室中，LLM引导的自主材料发现的巨大潜力。
此外，LLMatDesign的代码已在GitHub上开源，研究人员和开发者可以访问并使用这一框架进行材料设计和预测。
这一研究成果标志着人工智能在材料科学领域应用的又一重要进展，有望加速新材料的发现和应用，推动科技和工业的发展。
链接：https://arxiv.org/abs/2406.13163
3. 基因组学
由来自阿贡国家实验室、英伟达、芝加哥大学等机构的二十多位研究人员合作训练了一个大语言模型 (LLM) 来学习基因序列，从而追踪 SARS-CoV-2（新冠病毒）的基因突变并预测值得关注的变异株。这项工作获得了被誉为高性能计算领域诺贝尔奖的戈登贝尔特别奖。与之前大多数应用于生物学的 LLM 训练在小分子或蛋白质数据集上不同，该项目是首批在原始核苷酸序列（DNA 和 RNA 的最小单位）上训练的模型之一。该方法能够更好地理解基因组的演变，并有望应用于任何具有足够基因组数据的疾病预测。
研究团队将基因序列的四字母语言（DNA 中的 A、T、G、C 或 RNA 中的 A、U、G、C）与人类语言类比，解决了 LLM 在生物学领域应用的复杂性。由于基因组的庞大（人类基因组超过 30 亿个核苷酸，冠状病毒约 30,000 个核苷酸）以及核苷酸序列之间可能存在的远距离相互作用，难以将其分解成有意义的单元。英伟达的合作者设计了一种分层扩散方法，使 LLM 能够将大约 1,500 个核苷酸的长字符串视为“句子”进行处理，从而解决了长序列生成和变异分布学习的难题。
4. 生物信息学
国内外有多个研究团队致力于利用图神经网络（GNN）分析蛋白质-蛋白质相互作用（PPI）网络，以预测蛋白质功能和药物靶标。其中一些具有代表性的团队及其研究成果：
西湖大学李子青教授团队：该团队开发了PiFold蛋白质设计方法，采用多层图神经网络生成蛋白质序列。此外，他们还研究了KW-Design方法，通过融合预训练模型的信息提升蛋白质序列设计性能。
Air Tsinghua
https://air.tsinghua.edu.cn/info/1008/2105.htm?utm_source=chatgpt.com中国科学院上海药物研究所郑明月课题组：该团队利用等变图神经网络整合蛋白质-配体相互作用的物理先验知识，构建了通用蛋白质-配体相互作用评分方法EquiScore，在新靶标的药物虚拟筛选中表现出良好的泛化性能。
江南大学研究团队：该团队提出了一种集成深度学习和图学习的多视图集成学习网络（MINDG），结合图学习和深度学习提取药物和蛋白质的特征，用于预测药物-靶标相互作用。
Jiqizhixin
https://www.jiqizhixin.com/articles/2024-05-25-2?utm_source=chatgpt.com上海科技大学免疫化学研究所白芳课题组：该团队发布了蛋白质-蛋白质相互作用挖掘的新计算方法PPI-Miner，发现了PPI界面上存在一些高度保守的结构片段，有助于理解蛋白质相互作用的机制。
SIAIS
https://siais.shanghaitech.edu.cn/2022/1210/c5404a1040487/page.htm?utm_source=chatgpt.com
5. 结构生物学
2024年5月8日，谷歌DeepMind团队在《Nature》上发表了AlphaFold 3的研究成果，再次引爆了生物学界。 这项研究标志着蛋白质结构预测领域取得了重大突破，AlphaFold 3能够以惊人的准确度预测所有生物分子的结构，包括蛋白质、核酸、糖类等，甚至还能预测这些分子之间的相互作用。AlphaFold 3能够帮助科学家识别药物靶点、优化药物分子，并加速临床治疗方案的制定。它的应用还可能显著改善对各种疾病（包括癌症、遗传性疾病等）的治疗策略。
6. 环境科学
ClimateGPT是一种专门针对气候变化领域的大型语言模型（LLM），旨在整合跨学科的气候变化研究，提供可靠的气候科学信息，辅助研究人员、政策制定者和商业领袖在应对气候变化时做出明智决策。
主要特点：
多学科整合： ClimateGPT通过整合来自不同学科的研究成果，提供全面的气候变化信息，帮助用户深入了解气候变化的各个方面。
高质量数据集： 该模型在包含3000亿个标记的科学数据集上进行了训练，确保其生成的回答具有高准确性和可靠性。
多语言支持： ClimateGPT支持多种语言，利用级联机器翻译技术，使其能够为非英语用户提供服务。
开放源代码： ClimateGPT作为开源平台，用户可以自由访问和使用其模型，促进全球范围内的气候变化研究和应用。
应用领域：
研究支持： 为研究人员提供最新的气候变化研究成果，帮助他们深入了解特定领域的进展。
政策制定： 为政策制定者提供科学依据，支持制定有效的气候变化应对策略。
公众教育： 通过提供易于理解的气候变化信息，增强公众对气候变化的认识和理解。
获取方式：
ClimateGPT的模型和相关资源已在Hugging Face上公开发布，用户可以免费下载和使用。
7.天文物理学
2024年10月30日，天文大模型AstroOne在中国天文学会2024年学术年会上首次亮相。由之江实验室与中国科学院国家天文台联合打造，AstroOne拥有700亿参数，经过1万道天文学评测数据集的测评，是当前天文知识能力最强的大语言模型。它能够快速阅读和学习专业文献，检测研究中的潜在错误、数据异常或逻辑矛盾，辅助验证假设和结果的可靠性。
多模态宇宙数据集的发布
Polymathic AI团队发布了名为“多模态宇宙”的数据集，包含数亿次天文观测和测量，如詹姆斯·韦伯太空望远镜拍摄的星系肖像，以及盖亚宇宙飞船对银河系的观测数据。该数据集旨在训练AI模型像科学家一样思考，推动跨学科的科学发现。
Mephisto：AI天文学家的崛起
微软亚洲研究院开发了名为Mephisto的大语言模型智能体，旨在分析观测到的数十亿个星系，帮助研究那些行为与现有物理学理论不符的异常天体。Mephisto能够在超级计算机上夜以继日地挖掘星系测光数据，并将有趣的发现反馈给人类专家，拓宽人类科学家的认知边界。
AstroPT：天文预训练模型的探索
AstroPT是一种自回归预训练变换器，专为天文应用而设计。它在860万张512×512像素的星系邮票观测数据上进行了预训练，模型参数从100万到21亿不等。研究发现，AstroPT在下游任务上的表现随着模型规模的增大而提高，遵循类似于文本模型的对数对数饱和缩放规律。
AI对宇宙理解的能力
一项研究测试了通过天体物理学数据微调GPT模型的能力，结果表明，经过微调的模型能够成功分类天体物理现象，区分不同类型的伽马射线暴，推导类星体的红移，并估计黑洞参数，证明了大语言模型在科学研究中的有效性。
8. 社会科学
哈佛大学近期利用大型语言模型（LLM）对历史文献进行分析，揭示了人类社会发展的规律。具体而言，研究团队对游乐场报纸进行了深入解码，利用LLM技术对其内容进行分析，从而揭示了历史上人类社会的演变和文化变迁。这一研究为社会、文化和政治研究提供了全新的视角。
此外，哈佛大学的朱科航教授提出了自动化社会科学代理（Agent）与人类行为建模的研究方法。该方法利用LLM自动化整个社会科学研究流程，特别是在因果关系研究中，采用因果结构模型来规范化因果关系的表述，从而提高研究的效率和准确性。
9. 医疗健康
2024年6月12日由哈佛医学院科学家发表在《Nature》杂志上发布探索多模态生成式AI病理大模型助手PathChat。
PathChat的核心组件：
视觉编码器：预训练于超过100万张病理学图像，以提取高维图像特征。
多模态投影模块：将视觉特征映射到大型语言模型（LLM）的嵌入空间，使得视觉和语言信息可以结合处理。
大型语言模型（LLM）：使用13亿参数的Llama 2模型，能够处理复杂的自然语言指令并生成响应。
研究方法与数据集：
数据集包含456,916条指令和999,202次问答回合，涵盖图像说明、PubMed开放获取文章、病理学病例报告和全视野图像的兴趣区域。
高质量病理学问答基准（PathQABench）包括105例从多家医院收集的全视野图像。
主要结果：
多选诊断问题：
无临床背景：准确率78.1%，显著高于LLaVA 1.5和LLaVA-Med。
有临床背景：准确率提升至89.5%。
开放性问题回答：
PathChat在回答病理学相关复杂问题时，准确率分别为“显微镜检查”73.3%和“诊断”78.5%，明显优于GPT4V。
临床应用：
PathChat能够辅助病理医生进行更准确的诊断，提高诊断效率并减少误诊风险。
该AI助手还可用于医学教育，为病理学培训提供专家级指导。
10. 个性化教育
密歇根大学正在积极利用大语言模型（LLM）来为学生提供个性化的学习体验，旨在提升教育效率，满足不同学生的学习需求。密歇根大学推出了AI驱动的Coursera Coach，利用苏格拉底式对话增强学生的互动性和参与感。这种方法不仅提高了学习效果，还为教育者提供了新的教学工具。
此外，密歇根大学还发布了三款生成式AI产品，应用于教学和日常工作中。这些产品提供个性化的学习计划和多模态的学习体验，使学生能够在不同的场景中进行语言学习，提升学习效果。
这 10 个 2024 年的案例展示了AI大模型在革新各学科科学研究方面的巨大潜力。随着大模型的不断发展，我们可以期待未来几年会出现更多突破性的应用。
欢迎关注 公众号“科研之心”
科研之心，致力于探索AI大模型与科研结合。科研之心为您提供最新的AI资讯、最实用的AI工具、最深入的AI分析，帮助您在科学研究中发掘AI的无限潜力。
大语言模型（LLM) 相关文章（以下点击可阅读）：
大语言模型简化了临床研究的自动化机器学习 | 临床科研的福音
基于GPT-4的Coscientist成功完成复杂化学实验，布洛芬配方轻松拿捏，复现诺贝尔化学奖
AI超大模型！一个午休就能读完20万篇论文、提取信息完成生物数据库更新！
两篇Nature：AI实现新材料的快速合成！17天独自创造41种新材料
顶刊 | 解放军总医院：基于生成对抗网络的主动脉和颈动脉非造影 CT 血管造影
1个小时利用ChatGPT完成神经外科领域的完全虚构的论文！AI写论文的逼真程度令人震惊
利用ChatGPT，这位医生4个月内完成16篇论文，且已发表5篇！医生科研开启加速模式！
AI论文 | ChatGPT在医学中的应用概述：应用、优势、局限性、未来前景和伦理思辨
AI论文 | 从临床和科研场景分析ChatGPT在医疗健康领域的应用可行性