粉丝服务

陈红阳获评“中国智能计算科技创新人物” 他用图计算开启AI For Science 新路径

迈入“人机物”三元融合的智慧社会,人类目前一年产生的数据量已经超过了此前历史上的总和,智能计算作为智慧社会的核心基石,其战略意义愈发凸显,如何通过智能计算赋能全新的科学发现?智能计算又将如何重塑社会治理?

日前,由DeepTech评选的“2022年中国智能计算科技创新人物”揭晓,之江实验室图计算研究中心副主任、研究员陈红阳成功入选。4月14日,30位在智能计算领域极具才华与创新精神的年轻中坚力量齐聚“智能计算科技创新任务峰会”,共话智能计算的现在与未来。


高手云集的计算领域,陈红阳缘何榜上有名?他的研究又将为计算带来哪些变革?我们与他进行了一场对话。



抢道大模型  打造“生物制药GPT”

图计算,是陈红阳的研究方向。

这里的“图”,不是Image,而是Graph。大数据时代,数据之间存在着各种或简单或复杂的关系,图计算就是对这些关系进行表达和处理的一种计算方式。“目前的人工智能技术,大都只能处理结构化数据,还有海量的非结构化数据需要更匹配的算法来挖掘和分析。图计算就是处理非结构化数据非常重要的一种方式,因此,业界也将图计算看作是下一代人工智能的基石。”陈红阳介绍道。

从哪里切入打造这块“基石”?陈红阳的团队选择了大规模高效图计算平台,通俗地说,可以理解为图计算领域的简洁易用的平台,平台将提供基于大规模图预训练模型和知识图谱融合的服务来支撑科学计算等应用。

近年来,大模型的不断迭代引领着人工智能一路“狂飙”,ChatGPT的出现更是让通用智能成为可能,有望解决AI应用碎片化的难题。而陈红阳想做的大模型,区别于这些通用大模型,他将落点放在科学计算领域,并率先在生物制药领域发力,他将其命名为“生物制药GPT”。

这是一个垂直领域的专用大模型,“生物分子天然具有近似图的结构,比如它的原子可以看成一个‘节点’,化学键可以看作是‘边’。”项目立项初期,图计算平台的应用场景,生物制药就是陈红阳团队的首选,“利用计算去启发科学研究,也就是AI For Science,这是之江实验室布局智能计算的重要目标,也是我们的使命。”

“生物制药GPT”的潜在应用包括药物设计和靶点发现等,它们都是生物制药领域中至关重要的环节,传统的药物设计和靶点发现过程通常需要消耗大量的人力、物力和财力,且实验周期长。“生物制药GPT”可以在短时间内生成大量具有多样性的分子,提供更加广泛的分子库供药物筛选,并针对特定的生物化学属性(如分子量、溶解性等)进行诱导生成,从而提高药物研发的效率和成功率。而基于大量的医学材料和生化数据,“生物制药GPT”还可以发掘潜在的药物靶点,甚至预测靶点与潜在药物之间的相互作用,从而减少实验周期,节省成本,提高药物研发成功率。

“生物制药GPT”的研发,将成为一个起点,相关技术在未来将拓展到电商、社交网络、化学和物理等更广泛的应用场景。

当然,“大规模高效图计算平台”仅仅只是陈红阳团队的一小步。“从芯片、编程框架,到软硬件平台一体化设计,最后打造一台全国产自主可控的图计算机,才是我们图计算中心的目标。”陈红阳说道。



换道智能计算  做“拥抱变化”的研究

从东京大学、日本富士通,再到之江实验室,陈红阳的研究经历和研究方向跟随着人工智能时代的发展而拓宽,可以说,陈红阳见证甚至亲历着时代的浪潮。

来到之江实验室之前,陈红阳的研究方向聚焦在网络通信领域,“当时我跟着团队一起构建了一些大型的ICT系统,像物联网和5G系统,我在这个领域耕耘了十多年,也取得了不少专利和学术成果。”回国前两年,陈红阳注意到大数据的爆发式增长为人工智能应用起到了很好的催化作用,AI开始在一些领域展现很强的能力,“我读博的时候人工智能还处在冷门期,随着大数据时代的发展,数字化转型开始在各行各业成为焦点,我也开始有意识地去拓展自己的研究领域,参与到大数据和人工智能的工作中。”

在陈红阳看来,网络通信代表的是联接,人工智能和大数据代表的是计算,联接和计算就是构建智能社会的底座。随着计算时代的到来,陈红阳觉得是时候“顺势而为”,发挥其在网络和计算领域多年来的积累,研发包括大模型,高效图计算平台等融合网络和计算技术的智能计算系统。

2020年7月,陈红阳回国,加入之江实验室,正式开启全新的科研生涯,“实验室瞄准智能计算这一战略方向,打造智能计算数字反应堆科学装置,这刚好与我的兴趣和规划不谋而合。”

基于之前的技术积累,陈红阳在图计算这条赛道上走得很扎实。去年,他带领团队自研了基于分布式内存计算的大规模高效图计算平台——之江朱雀,该平台在国际顶级图学习基准评测榜单OGB全球挑战赛中打破了边预测赛道的世界记录,排名世界第一。最近,陈红阳团队还获得了吴文俊人工智能奖--科技进步二等奖。

目前,他的团队已经有30余位成员,来自学界、企业,出自生物、物理、计算机等完全不同的科研背景。“AI For Science需要糅合不同的领域知识,除了学科交叉的团队,我们每周还会进行全英文的前沿分享,生物、育种、量子计算等等看似与我们毫不相关的专业,都是我们学习和思想碰撞的内容。”高强度和高频率的输入,是陈红阳团队的常态,说起计算育种和计算生物,几乎每个团队成员都能侃侃而谈。“要做一台普惠性的图计算机,我们必须能看到这个行业5年后的样子,超前布局、超前谋划,我们才能时刻保持领先。”

就像陈红阳的经历一样,“我一直认为不管是组织还是个人,都需要转型。对科研人员来说,转型就是不断拓展自己的知识,有了一定程度的知识积累后,顺着科技的发展趋势拓宽自己的研究视野。看到行业的未来,也就能看到你自己的未来。”



撰稿 | 盛汪淼芷

编辑 | 陈航

学术指导 | 陈红阳

本栏目精选

热门推荐

频道导航