AI与科学研究的深度融合——AI for Science (AI4S)已然成为一场正在发生的科技革命。相较于传统的科学方法，机器学习具有更强的处理高维数据的能力，因此能够更有效地处理和分析大规模的数据，并揭示数据中隐藏的模式和规律，为科学研究提供了新的机遇和挑战。例如，在生物领域，AI技术可以用于分析大规模的基因组数据，有助于更好地理解生物体系和疾病发生机制。在化学领域，机器学习技术可以预测分子的性质和反应行为，为新药物的设计和研发提供更加高效的方法。在创新药物研发方面，第一批人工智能开发的候选药物已进入临床；AI有能力更快提出候选药物，正在持续注入创新动力。在生命科学领域，科学家们正在将复杂的生物学问题转化为数据分析的计算问题，并有望理性设计最佳解决方案；这种研究策略代替目前的试错性策略正是AI for Science，尤其是AI for Life Science如何给生物技术与人类健康领域带来颠覆性影响的写照。

2月23日，我院以线上形式成功举办了未来之后（Next-Post-Future）AI4S月度系列首期科学讲座，邀请了Broad Institute Eric and Wendy Schmidt中心的博士后研究员金汶功博士分享题为“Towards unsupervised drug discovery using geometric deep learning”的学术报告。报告由信息工程学院院长田永鸿教授主持。报告人金汶功博士是一位在图神经网络、图生成模型、几何深度学习、计算生物和AI制药相关领域拥有丰富研究经验的青年学者，他的报告为我们展示了几何深度学习在药物研究领域的应用现状，科学展望了未来该领域的广阔前景，并为相关领域的科研人员提供了宝贵的学术参考。

在报告中，金汶功博士介绍了几种解决数据稀疏问题的方法，并重点介绍了在药物组合预测和蛋白质-配体结合预测方面的应用。他展示了如何利用辅助数据来提高药物组合预测模型的准确性，并成功地发现了治疗新冠肺炎和胰腺癌的新药物组合。此外，他还讨论了如何使用无监督学习算法来构建预测模型，通过对未标记的蛋白质-配体复合物的能量模型使用SE(3)降噪梯度对齐，并将其能量函数作为结合亲和力，实现了蛋白质-配体结合预测的有效性验证。

金汶功博士的精彩报告吸引了相关领域专业观众超过1.3万人通过腾讯会议、科研云-B站、科研云-微博、科研云-有道词典等直播平台线上参与观看，线上听众与报告人进行了积极互动。本次报告不仅展示了金汶功博士在计算生物学和AI制药领域的最新研究成果，也为相关领域的学者和研究人员提供了新的研究思路和方法。

北京大学深圳研究生院“未来之后（Next-Post-Future）”AI4S系列学术活动主要分为“探幽讲坛”和“鹏城学术论坛”两大模块，由北京大学深圳研究生院发起。前者拟每月邀请1位科学名家或学术(产业)新锐以线上或线下方式进行交流。后者将作为北京大学深圳研究生院“迎院庆•续华章”院庆学术活动，旨在集聚前沿科学思想、科技产业的发现孕育，推动北京大学深圳研究生院加快构筑基于AI牵引的多学科交叉研究生态，建立AI4S科研合作新范式。