与机器人技术融合后，从分子模拟到材料基因组学的全链条效率将被重新定义， 既能降低传统材料成本，又能缩短新材料研发周期。面对化工新材料研发的“多尺度复杂性” 与“实验验证滞后”痛点，AI 通过跨尺度建模、分子动力学加速等方案实现突破。在生产流 程中，AI 结合高通量机器人实验优化生产，降低损耗与故障率。但 AI 也在瓦解传统技术壁 垒，“白痴指数”高的材料受冲击大。化工企业需加强 AI 研发、引进人才、推动数字化转型， 工具可以在粗糙尺度、中间尺度以及全原子尺度建模，在耗时和精准 性上相较于传统方法显示出显著优势。 2.分子动力学加速：分子动力学需要模拟分子在不同条件下的行为，比如温度、压力下的动 态变化，AI 可以通过不仅限于机器学习力场（MLFFs）、增强采样方法、粗粒化模型等手段大 幅加速分子动力学的研究。例如 AI 2BMD 系统在精度相同的情况下，实现了超过 100 万倍的 模拟加速，并将误差减少了 的破局方案：数据+算法的双重赋能 ............... 5 1.1 跨尺度建模误差控制 .......................................... 6 1.2 分子动力学加速 ............................................. 10 1.3 小样本强化学习 ................................

(LBQ657), 而缬沙 坦 (Valsartan) 需缓释以维持长效作用，需解决两种成分释放动力学的兼容性。 o 制剂工艺：采用多层包衣、微丸压片或渗透泵技术 ( 如 OROSR) 实现差异化释放。 ● 临床阶段： o 临床前研究：已完成体外释放度、稳定性及动物药代动力学 (PK) 验证 (2021-2022 年 ) 。 o I 期临床试验： 72023 年启动，评估健康受试者中的生物等效性及缓释特性 nM) 2. 构 象 调 控 ：诱 导 TM6 向外位移 2 .7A, 破 坏 Gaq 蛋白偶联所需的构象变化，抑制下游 Rho/ROCK 通路激活 2 3. 动态稳定性： 分子动力学模拟显示结合自由能△ Gbind=-42.6 kcal/mol, 其中范德华力贡献 68%, 氢键贡献 22%1 cz2431N505 2170126-744 结构类型 洒性药他 9 来源 问题：根据 PDB 库和智慧芽数据库的信息，给出药物 BMS986278 和 靶蛋白的结合模式 查面 ia 构 结合模式分析 2. 优异药代动力学：在啮齿类和非人灵长类动物中显示高口服生物利用度 ( 大鼠 75%, 食蟹猴 93%), 血浆蛋白 结 合率仅 65-76%, 有利于组织渗透 1 。 3. 独特化学结构：采用双环喹啉骨架设计

为三类：力场，经 验和基于知识的评分函数。 2.4 ADMET 预测可提前考量药物成药可能性 ADMETlab 提供药物代谢动力学在线预测功能。ADMETlab 是 2018 年中南大学湘雅 药学院曹东升课题组首次发布的一款用于计算分子属性和药物代谢动力学（ADME）的 在线工具，提供了一系列计算模型，包括溶解度、血浆蛋白结合、肝脏代谢、肾脏排泄 等，可以预测药物在人体内的吸收、分布、代谢和排泄过程，并评估其潜在的毒性和安 大量相关信息，并可以跟现有的 AIDD 模型进行交叉验证，进一步提高药物设计的精准 度，产生良好的协同效应。PR-GPT 项目进展顺利，算法优化、生物医药语言训练工作正 有序推进，知识问答、药物分子生成、药代动力学及毒理性质预测等功能已上线测试并 具备了初步功能，计划于今年四季度投入商业运营。该模型将为药物研发提供智能化支 持，缩短研发周期，降低研发成本，提高研发成功率，从而推动生物医药行业的创新与 发展，进 化学结构。骨架跃迁的主要目的：（1）在已有的化合物分子结构上，产生新颖的化合物 系列，增加药物研发成功率；（2）替换复杂天然产物的局部结构，产生更具选择性、更 优活性的新颖分子；（3）通过改变分子的骨架，改善分子的药物代谢动力学性质。成都 先导与腾讯 AI Lab（云深）平台合作设计的骨架跃迁分子生成算法（GraphGMVAE），可 以快速基于已有的参考化合物迅速产生一系列结构新颖的化合物集合，配合后续自建的 虚拟筛选、3D-CNN

⚫ ⚫ ⚫ ⚫ 量子力学体系的建立： 随着物质波假说、泡 利不相容理论、矩阵 力学、波动力学、狄 拉克方程、不确定性 原理、互补性原理等 一系列理论的提出， 量子力学的理论体系 构建完成，从根本上 改变人类对物质结构 及其相互作用的理解。 量子力学诞生： 马克斯·普朗克 首次提出“量 子”的概念， 这被普遍认为 是量子力学的 开端。 量子版图灵机 概念提出：保 罗·贝尼奥夫首 次提出了量子

融合视觉、触觉等3D环境特征，通过多视图关联构建以对象为中心的场 景表征，实现全维度环境感知与决策。 “小脑”运动控制是实现人形机器人自然流畅动作的关键，主要分为 基于模型和基于学习两类方法。前者通过建立运动学和动力学模型进行 规划控制，如ZMP、混杂零动态规划等算法，但开发复杂、成本高；后 者借助人工智能技术，以人类示教（模仿学习）或自主探索（强化学习） 建立策略，能降低开发难度、加快迭代。二者各有优劣，共同推动人形 共同推动人形 机器人运动控制技术发展。 07 （四）“肢体”构筑机器人的“钢铁之躯” 2.“小脑”向基于强化学习和模仿学习的控制策略发展 传统机器人控制方法因高度依赖精确动力学模型及专家先验知识， 在动态开放环境适应性方面存在局限。尽管数据驱动的学习型控制能 通过经验优化策略，其泛化能力与环境鲁棒性仍待提升。大模型的引 入为人形机器人“小脑”控制带来新突破，正推动控制范式从模型驱

功能开发仿生 足也是提高机器人运动能力常见的解决方法。基于执行器的选择与布 置，腿足结构设计与加工技术对人形机器人的运动能力、稳定性和效 率起着关键作用。早期的大框架、大重量设计经过运动学、动力学分 析和拓扑优化等技术的改进，现已成为可在保证腿足强度的同时达到 轻量化与可靠性的平衡设计。同时，利用增材制造技术融合多材料多 工艺方法构建复杂的机械框架也提高了腿足的灵活性，兼顾强度、惯 适应性，从而更好地应对各种复杂环境和任务要求。 人形机器人的骨架躯干部分是人形机器人的“支撑系统”，类似 于人类的骨骼结构，为机器人提供整体的支撑、运动能力和稳定性。 骨骼结构设计涉及仿生学、动力学、机械工程、材料科学等多个领域， 其设计要求具备高强度、轻质和高韧性，目的在于模仿人类骨骼的结 构，实现灵活自然的运动，同时确保在执行运动时的稳定性与机动性。 为实现这些要求，人形机器人骨架常使用高强度且轻质的材料，其中 运动规划是人形机器人技术中的关键环节，是在给定的起始状态 和目标状态之间，为人形机器人找到一条符合约束条件的路径或轨迹。 这些约束条件可能包括无碰撞、路径最短、机械功最小等。人形机器 人的运动规划通常需要考虑机器人的动力学特性、环境障碍物以及任 务需求等多个因素，通常需要利用传感器获取周围环境的信息，如障 碍物位置、地形特征等。然后，基于这些信息，机器人会运用各种算 法和策略来规划出一条最优或可行的运动路径。这些算法可能包括

计部门和制 造部门之间在计算机网络的支持下协同工作，以统一的制造信息模型为基础，对数 字化产品模型进行仿真与分析、优化，从而在设计阶段就可以对所设计的零件甚至 整机进行加工工艺分析、运动学和动力学分析、可装配性分析等可制造性分析，以 获得对产品的设计评估与性能预测结果。 19 （ 2 ）生产为中心的虚拟制造 为工艺师提供虚拟的制造车间现场环境和设备，用于分析改进生产计划和生产

资料来源：《材料基因在锂电研发中的应用》 - 曾乐才，国海证券研究 所 预测分析聚类 ; 矿业的关系 ; 异 常检测 二级范式 基于模型的理论 科学 三级范式 计算科学 （模拟） 密度泛函理论， 分子动力学 图表：新材料研发过程的主要环节 一级范式 经验科学 四级范式 数据驱动科学 性能 优化 验证 开发 投入 市场 制造 发现 系统设 计集成 热力学法则 实验 7 4 3 5 成为在算力时代引领技术变革的下一代分子模拟软件平台。 图表：常用的分子模拟软件 软件类型 名称 主要功能 分子模拟软件 Materials Studio 构型优化、性质预测和 X 射线衍射分析，以及复杂的动力学模拟和量子力学计算 HyperChem 通过量子化学的半经验方法、从头算方法、密度泛函方法进行计算，进行单点能、几何 优化、分子轨道分析、蒙特卡罗和分子力学计算、预测可见 - 紫外光谱等功能。 并且可 供操作人员使用的故障诊断专家系统能够实现低成本 、高效率。 算法 / 方法 目的 神经网络模型和支持向量 机模型 蓝水足迹评估 多层感知机与后向传播算 法 建立模拟水动力学空化的神经网络模型，以促进水中沼气 的产生和有机污染物的分解消化 反向传播法 分析了聚合氯化铝混凝过程中溶解性有机物的去除 反向传播法 利用人工神经网络研究氧化石墨烯 / 壳聚糖 - PVA 聚合物

分子对接、自由能微扰等技术，构建化合物化学 结构与生物活性之间的关系模型，实现对药物化合物作用机制的快速预测 ADMET性质预测 机器学习、深度学习 通过深度学习，对筛选后的化合物进行药代动力学测试识别，根据得到的相关特征评估多个ADMET参数间的隐藏关系和趋势， 预测化合物的药性，如代谢性、细胞渗透性、溶解性、毒性等性质 用药安全 临床试验 自然语言处理 通过自然语言处理和 discovery》，西南证券整理 AI 制药：AI可参与药物开发过程多个阶段 39  理化性质和生物活性的预测：化合物的溶解度、分配系数、电离度、渗透系数等理化性质可能阻碍化合物药代动力学特性和药 物靶向结合效率，在设计新的药物分子时必须考虑。基于AI的工具已被开发用于预测这些性质，包括分子指纹、SMILES格式 、库仑矩阵（Coulomb matrices）和势能测量，都用于DNN admetSAR和Toxtree等。  分子通路的鉴定与多重药理学：AI和最大似然算法在药物发现和开发中的重要成果之一是预测和估计疾病网络、药物-药物相 互作用和药物-靶点关系的总体拓扑和动力学。数据库如DisGeNET、STRTCH、STRING分别被用于确定基因-疾病关联、药物 -靶标关联和分子途径。Gu等人2020年使用相似性集成方法确定了197种最常用中草药的靶点，使用DisGeNET数据库将靶标

分子对接、自由能微扰等技术，构建化合物 化学结构与生物活性之间的关系模型，实现对药物化合物作用机制的快速预测 ADMET性质预测 机器学习、深度学习 通过深度学习，对筛选后的化合物进行药代动力学测试识别，根据得到的相关特征评估多个ADMET参数间的隐藏关系和 趋势，预测化合物的药性，如代谢性、细胞渗透性、溶解性、毒性等性质 用药 安全 临床试验 自然语言处理 通过自然语言处 discovery》，西南证券整理 AI 制药：AI可参与药物开发过程多个阶段 51  理化性质和生物活性的预测：化合物的溶解度、分配系数、电离度、渗透系数等理化性质可能阻碍化合物药代动力学特性和药 物靶向结合效率，在设计新的药物分子时必须考虑。基于AI的工具已被开发用于预测这些性质，包括分子指纹、SMILES格式 、库仑矩阵（Coulomb matrices）和势能测量，都用于DNN admetSAR和Toxtree等。  分子通路的鉴定与多重药理学：AI和最大似然算法在药物发现和开发中的重要成果之一是预测和估计疾病网络、药物-药物相 互作用和药物-靶点关系的总体拓扑和动力学。数据库如DisGeNET、STRTCH、STRING分别被用于确定基因-疾病关联、药物 -靶标关联和分子途径。Gu等人2020年使用相似性集成方法确定了197种最常用中草药的靶点，使用DisGeNET数据库将靶标