鄂维南：把分子模拟的“维数灾难”，改写成一条可扩展的学习路线
从 Deep Potential 到科学智能基础设施，鄂维南所推动的不是一次模型演示，而是一套让量子精度计算走向更大时空尺度的路线。
Tag
china-ai4s
10 篇内容
张林峰：让势能模型在“不知道”时回去补数据
DeePMD-kit 把方法做成软件，DP-GEN 把训练、探索、标注组织成并发学习循环；这是一条计算闭环，也是一条通向工程平台的路。
刘铁岩：让模型读懂分子结构，还要继续追问它能否改变实验
Graphormer 把图结构编码做成可迁移的分子建模工具；它打开了科学基础模型的算法层，也提醒我们基准领先不等于科学发现。
江俊：当化学模型有了可以取料、合成和表征的“手”
“小来”AI-Chemist 把计算大脑、移动机器人、实验工作站与反馈优化接在一起，展示了特定化学任务中的实体实验循环。
马健：把设计—合成—测试—分析做成工业级循环
晶泰科技的 Autonomous Lab 把 AI 设计、机器人实验、检测与数据回流并置；真正值得审计的是系统架构，而不是未经独立验证的效率口号。
任峰：一条 AI 药物管线，最终要在随机临床试验里回答问题
从靶点与分子生成到 I 期、随机 IIa 期，再到已登记但尚未招募的 III 期，rentosertib 留下了一条少见的长链证据；它仍未获批，疗效也未形成定论。
曹龙兴：蛋白质设计只有穿过表达、结构和功能验证，才不只是序列
计算与深度学习提出设计，实验室用表达、生物物理、晶体结构、细胞与临床前实验逐层筛选；这是一条人机协作验证链，而非全自动科学家。
郭天南：让蛋白质组模型接受多中心、盲法和前瞻验证
从活检样本和 DIA 质谱到 19 蛋白模型，再到 9 个中心的前瞻性验证，这个案例把 AI 诊断主张送进了更严格的临床证据环境。
漆远：天气模型走向业务，不只要预报一次，还要持续接住观测
FuXi 与机器学习资料同化把真实观测、状态更新和连续预报接成循环；业务可用性仍需在明确的资料、基线和运行条件下判断。
肖炳甲：AI 进入聚变装置，首先是一项受安全约束的实时控制工程
从“灵枢”控制平台到 EAST 的深度强化学习反馈，AI 必须在毫秒级实体装置、安全边界和可回退工程中工作，远非“自主运行聚变堆”。