Aitomistic Logo

完整讲座：从机器学习势到会写论文的智能体——人工智能与计算化学

2026年8月29日，Pavlo O. Dral 教授在2026国际"化学键与AI在化学中的应用"线上培训班上讲授了人工智能专题。 本次培训班由厦门大学化学化工学院、福建省理论与计算化学重点实验室主办，8月27–29日连续三晚在线举行。 感谢主办方分享讲座录像并授权转载。

完整讲座现已上线——全长77分钟，配有中英文字幕：

讲座内容：

  • 1:30 展望：在ChatGPT之前，我们能预见到吗？
  • 10:00 智能体完成计算并撰写论文
  • 27:45 AIQM1——可直接替代DFT
  • 29:45 AIQM2——过渡态与反应动力学
  • 34:15 迁移学习与微调
  • 40:15 主动学习——让模型自己决定该算哪些构型
  • 50:22 在线平台上的AI与机器学习模拟实践指南（含智能体与不含智能体两种方式）
  • 70:36 用NEB和IRC完成过渡态计算

以下是讲座内容的简要概览。

1. 在ChatGPT之前就提出的问题

2021年12月2日——比ChatGPT发布几乎正好早一年——Dral 教授写下了 一篇博文，问计算机能否自己完成模拟、分析结果并撰写论文。 他当时相信长远来看答案是肯定的；他在讲座中说，只是没想到会来得这么快。

图1 | 这个问题发表于2021年12月2日，而ChatGPT发布于2022年11月30日。

讲座讲的就是这个问题今天的答案，而且顺序是有意为之的：先提问题，再看现在真正能跑起来的是什么。

2. 丢进一个项目文件夹，得到一份论文初稿

他的一位学生完成了自己的课题，手里有一个文件夹——计算结果、脚本，还有她的报告幻灯片。 她把这个文件夹拖进了与 Protomia 的对话框， 它据此写出了一篇真正的论文，而且写得相当不错：读取结果、编写 LaTeX、完成编译，最后生成 PDF。

图2 | Protomia 根据一个项目文件夹撰写小论文：左侧是计算结果与脚本，中间是编译好的 PDF， 右侧是它对每一步的说明，直到交叉引用全部解析完成。

这是一份基于你自己结果的初稿，而不是可以直接投稿的稿件，核实内容的责任仍然在作者本人。 对于尚未写过多少论文的青年研究者来说，它在把第一稿组织起来这件事上帮助很大。

3. 用可靠的机器学习模型加速模拟

只有下面的计算是对的，论文才有价值。讲座以 AIQM2 计算一个周环反应为例：它没有针对该反应做过微调， 完全是开箱即用，而从过渡态区域出发的一千条分子动力学轨迹一个晚上就跑完了。 同样这一千条轨迹如果用 DFT（B3LYP-D3/6-31G*）来算，在高性能集群上要跑好几周—— 合计 160 个 CPU 年——而这大致就是2017年那项原始研究发表时所能做到的最好水平。

图3 | AIQM2 用于一个双模式（ambimodal）周环反应：一个过渡态，两种产物。 从过渡态区域出发的一千条分子动力学轨迹一个晚上即可完成；同样的轨迹用 DFT（B3LYP-D3/6-31G*） 则需要 160 个 CPU 年。图片来自 Y. Chen, P. O. Dral, Chem. Sci. 2025, 16, 15901。

"开箱即用"是这里给出的说法，也正是值得你在自己体系上亲自检验、而不是直接采信的那一条。 有两件事让这种检验成为可能：MLatom 会给出预测的误差棒（不确定度估计），而 DFT 并不提供； 以及当通用势对你的体系已经接近但还不够准确时，用一小批你自己的参考计算就可以 对它做微调。

误差棒告诉你哪些计算很可能不可靠。但它并不保证误差棒小的计算就一定准确， 反过来，误差棒大也不等于结果的质量就不能接受。

4. 还有很长的路要走

这是计算化学的未来，但还没有完全实现。在 我们对49个计算化学智能体系统的调研中， 没有任何一个系统能独立完成一轮研究计划或一项研究课题，迄今报道的每一个系统都仍然需要人在回路中。 微调也一样，它仍然比直接使用现成模型要费力。

5. 各个方法分别在哪里

它们并不都在同一个地方，如果你要围绕它们做规划，这个区别很重要：

  • ANI 系列、AIQM1、AIQM2、OMNI-P1 和 OMNI-P2x 都在开源的 MLatom 中，采用 Apache-2.0 协议。
  • AIQM3 以编译好的插件形式发布，即 PyPI 上的 aitomic-addons，学术与非商业用途免费， 商业用途需单独授权。
  • UAIQM 目前通过 Aitomistic Hub 提供。

不想安装任何软件？MLatom 也可以直接在浏览器中运行，就在 Aitomistic Hub 上，由 Protomia 驱动—— 你用自然语言提出需求，它就把整个模拟做完。所有人都可以免费试用，包括商业用户。

6. 培训班的其余课程，以及另外三场报告

培训班连续三晚，每晚一个主题：XMVB 与价键理论，由厦门大学周晨副教授讲授； XEDA 与分子间相互作用、能量分解分析，由苏培峰教授讲授；第三晚是 MLatom 与机器学习模拟。 前两晚同样是理论讲授加上机实操，这两个程序也都出自厦门大学理论化学团队。 本次培训班线上报名超过390人，同步直播累计观看超过13500人次。

主办方已将全部11场课程发布在他们自己的频道 哔哩哔哩 XMVBProgram， 其中也包括人工智能专场当晚紧接其后的三场报告，报告人均来自 Dral 课题组：

相关链接