// RESEARCH / 05 / AI FOR SCIENCE
AI for Science
科学数据昂贵又稀缺，是“数据决定上限”最极端的场景。关注化学、材料与蛋白质，以及模型怎样在很少的实验数据上被训练和验证。
- 在关注
- 当前状态
- V
- 造物之书里的实验
在科学里，一个配平错误或一个不存在的反应条件，都会让模型带着同样的错。科学 AI 首先是数据质检问题。
做过化学合成数据的质检与错误归因，以及化学与学科资料的证据寻源。这是从数据角度进入科学 AI，还没有做过模型层面的科学实验。
- 01
化学合成数据里，模型最常犯的是哪一类错？规则与工具能拦下多少？
- 02
只有几百条实验数据时，预训练模型 + 少量微调能走多远？
- 03
科学问答的“正确”怎样被验证：文献、计算，还是实验？
- 04
蛋白质与分子生成模型的评测，和语言模型的评测有什么根本不同？
// LIMITS
现在还不能证明什么
- 化学方向的实践集中在数据质检，不是领域专家
- 尚无公开的科学 AI 实验