复旦CNS成果集中涌现,背后奥秘何在?

简介: 复旦CNS成果集中涌现,背后奥秘何在?

近日,又一复旦重磅成果登上Science(《科学》)杂志——困扰医学界多年的帕金森病治疗难题,迎来曙光。牵头这一成果的复旦大学附属华山医院郁金泰教授团队,上个月刚有成果登上Cell(《细胞》)杂志开年封面。



高水平论文是衡量高校基础研究实力的一把重要标尺。从量子物理到生命科学,从精准医疗到材料科学,2025年前两个月,复旦科研迎来“开门红”,以第一单位身份频频登上国际顶级学术期刊CNS(即Cell(《细胞》)、Nature(《自然》)、Science《科学》)),成果总数位居全国高校前列。


细数这些突破性进展的背后规律,一条清晰的脉络逐渐浮现,那便是AI for Science(科学智能,下文简称AI4S),也就是人工智能(AI)与科学研究的深度融合。


如果说,两年前复旦大学上线中国高校规模最大的云上科研智能计算平台CFFF(Computing for the Future at Fudan),正式开启复旦迈向科学智能时代的新篇章,那么今天,在AI4S的探索与实践之路上,复旦人正以愈发稳健的步伐,迈向科研创新的新高度。


01

从个案到趋势

AI4S范式效能初显


“这个蛋白太新了,我们找不到任何关于它的资料。”回忆五年攻关之路,郁金泰坦言,自己起初心里也没底,“这是一条没有人走过的路,但真正的创新就是如此。”


在最新成果中,郁金泰团队在全球首次发现帕金森病全新治疗靶点FAM171A2,并基于该靶点发现可以延缓病程的候选药物,有望从疾病早期对帕金森病进行诊断和干预。


复旦大学附属华山医院神经内科郁金泰教授


不是没有人对这一重大医学问题发起过冲击。此前,一些国际研究团队提出过潜在受体,但验证效果并不尽如人意。那么,为什么复旦这次做到了?


正如郁金泰所言,团队突破传统的“假说驱动”研究范式,采取AI辅助、数据驱动的创新科研范式,找到了这一存在于“既有知识体系之外”的全新蛋白。而这次,并不是郁金泰团队第一次尝试将AI与医学结合。


3个月前,郁金泰、毛颖团队和类脑智能科学与技术研究院程炜、冯建峰团队联合发表于《细胞》杂志(Cell)的交叉研究成果,同样遵循“数据驱动”理念。他们纳入所有健康相关表型和所有疾病,刻画血浆蛋白与它们的关联,全面绘制人类蛋白质组表型组图谱,相当于给人类的生命健康领域绘制一张“地图”。这意味着不久的未来,只需采一次外周血,对血浆进行蛋白检测,就能精准预测数百种疾病的患病风险。


复旦交叉研究成果登上《细胞》(Cell)2025年开年封面


郁金泰团队的探索不是孤例。在AI for Science浪潮席卷之下,复旦人近年来正以探索者的姿态,推开一扇扇通往崭新世界的大门,踏入一片片未曾有人涉足的天地。这一趋势不仅为诸多领域注入创新活力,也使得复旦逐渐成为AI4S的高地。


本月,复旦大学高分子科学系彭慧胜教授、高悦青年研究员的科研团队也运用AI技术,打破锂电池传统设计原则,成功设计了一个名为三氟甲基亚磺酸锂(CF3SO2Li)的锂载体分子,让废旧电池“打一针”就可无损修复,将锂电池寿命提升1至2个数量级,有望为电池产业变革提供关键技术支撑。


功能有机分子三氟甲基亚磺酸锂(CF3SO2Li)为电池补充锂离子


这个“无中生有”而来的锂载体分子,同样在既有知识体系中“无迹可寻”。团队结合AI与有机电化学搭建能源分子数据库,利用迁移学习和非监督学习等方法,成功获得了这一锂载体分子,让科学智能的理念真正落地。


02

前瞻布局系统推进

AI4S理念落地生根


放眼学术前沿,关于AI for Science的探索绝非复旦独有,但它在复旦带来的集中涌现却显示出独特优势。追根溯源,会发现复旦在多个方面早已未雨绸缪。


首先,复旦对科研资源的敏锐投入,为发展AI4S供了重要支撑


面向智能时代,复旦紧抓机遇、抢占先机,把发展AI4S作为提升原始创新能力、实现基础研究高质量发展的关键一招,2023年建立起中国高校规模最大的云上科研智能计算平台CFFF,在技术和硬件方面前瞻布局,为科研人员提供坚实物质基础高性能计算能力,为广大科研团队解决了从实验模拟到大规模数据分析的瓶颈问题。


CFFF“切问”一号


CFFF“近思”一号


其次,复旦对跨学科协同机制的重视,是科研创新集中涌现背后的无形推手


组建科学智能工作专班、推动上海科学智能研究院建设、组建交叉研究发展中心……复旦自上而下打出“组合拳”,通过系统性布局和机制创新,全面激发科研创新活力,鼓励各领域科学家自由探索、交叉合作,拥抱AI4S重大机遇,围绕重大科学问题和重点攻关领域联合攻关。目前,全校AI4S科研团队已超百个,其中郁金泰、冯建峰组建的交叉创新团队颇具代表性,4年里已围绕精神疾病领域的重大问题,联合发表十余篇顶刊文章。


复旦大学科学智能系列讲座


最后,复旦全面推进人才培养模式改革,构建智能时代人才培养新范式


《具身智能引论》的6位老师、15位助教带着80多位同学,每人做出一个机器人;《走近人工智能》主讲教师通过声音采集、人脸建模等,生成数字分身;《AI考古》课堂上的旁听学生比选课人数还多,大家用AI技术辨识青铜器的器类、年代、文化归属等信息……学校2024-2025学年重磅推出116门AI大课,打造“AI-BEST”课程体系,实现“三个全覆盖”:全覆盖全体本研学生、全覆盖全部一级学科、全覆盖所有专业领域,以“AI for education”(下文简称:AI4E)为引擎,让科学智能成为拔尖创新人才培养的核心驱动力。


2024年秋季学期新开出的AI-B类课程《具身智能引论》


03

AI创新生态加速构建

科研、教学变革催生更多突破


一手抓AI4S的范式效能、一手抓AI4E的深度举措,AI成为推动科学研究范式变革、实现科技原始创新策源的利器,也正引领教育教学革命。


复旦大学校长、中国科学院院士金力曾用“种子”与“果实”的生动比喻阐释AI4S的价值——
种子代表好问题,果实代表好成果,而AI4S就是快速识别筛选种子的方式。通过AI与各学科的结合,可以进行大规模的“种子”筛选,找到真正有种植价值的“种子”,再进一步研究和培育,结出更甜美、更丰富的“果实”。
如今,AI4S理念已深深植入复旦学术土壤,成为推动科研范式变革的核心共识。这一系统性布局不仅体现在学校发展战略中,更转化为广大师生的自觉行动,为复旦在新一轮科技革命和产业变革中赢得先机奠定基础。

高分子科学系成立全校首个科学智能研究中心


2024年5月,高分子科学系成立全校首个科学智能研究中心,标志着复旦在AI4S领域的系统性布局迈出关键一步。该中心集研发、教育、培训和产业化于一体,以AI4S为驱动,推动高分子科学的跨学科融合与创新。截至目前,全校已有9家院系和附属医院成立科学智能研究中心,形成多点开花的创新格局。

下一步,学校将继续对内强化融合创新,对外加强开放合作,通过打破学科壁垒、创新评价机制、优化资源配置等系列举措,为科研人员开展自由探索和交叉合作提供制度保障,营造拥抱AI4S变革的良好创新生态。

随着AI4S、AI4E战略的深入推进,一个更开放、更包容、更高效的复旦科研、教育新生态系统正加速形成。这一生态系统,不仅将推动学校在人工智能与科学研究的交叉前沿领域实现更多原创性突破,更将有力支撑我国实现高水平科技自立自强,为拔尖创新人才培养注入不竭动力,为构建国家战略科技力量贡献复旦智慧。

2023年6月27日,复旦大学和阿里云共建的国内高校最大的云上科研智算平台CFFF(Computing for the Future at Fudan)正式上线,平台由面向多学科融合创新的AI for Science智能计算集群“切问”一号和面向高精尖研究的专用高性能计算集群“近思”一号两部分组成。

自上线到2024年底,CFFF的用户数已达3790名,课题项目数481个,服务院系单位数51个,支撑科研成果百余项,涵盖生命科学、大气科学、材料科学、空天信息科学等领域,也包括金融系统分析等社会科学研究。此外,复旦大学携手中国信通院、阿里云联合发布《智算平台运维运营技术研究报告》,为其他高校和科研机构提供可借鉴的模式促进智算平台运维运营向更加专业化、标准化和智能化的方向发展。

/ END /

相关文章
|
Java Shell Linux
Android——编译(一):编译make的基础知识
Android——编译(一):编译make的基础知识
468 0
|
存储 JSON Shell
Grafana 系列文章(三):Tempo- 使用 HTTP 推送 Spans
Grafana 系列文章(三):Tempo- 使用 HTTP 推送 Spans
Grafana 系列文章(三):Tempo- 使用 HTTP 推送 Spans
|
7月前
|
人工智能 安全 数据安全/隐私保护
本地部署DeepSeek教程:一键远程访问,还能解决Ollama安全隐患
本教程详细介绍如何使用Ollama+Open WebUI本地部署DeepSeek模型,并借助贝锐花生壳内网穿透实现安全远程访问。首先,安装Ollama并下载DeepSeek模型,根据显存选择合适参数(如4G选1.5B)。接着,通过Docker部署Open WebUI以获得图形化交互界面。最后,利用贝锐花生壳简单三步完成远程访问设置,支持HTTPS加密传输,保障数据安全。整个过程无需云服务器,轻松打造专属AI助手。
932 5
|
10月前
|
关系型数据库 API 数据库
Python流行orm框架对比
Python中有多个流行的ORM框架,如SQLAlchemy、Django ORM、Peewee、Tortoise ORM、Pony ORM、SQLModel和GINO。每个框架各有特点,适用于不同的项目需求。SQLAlchemy功能强大且灵活,适合复杂项目;Django ORM与Django框架无缝集成,易用性强;Peewee轻量级且简单,适合小型项目;Tortoise ORM专为异步框架设计;Pony ORM查询语法直观;SQLModel结合Pydantic,适合FastAPI;GINO则适合异步环境开发。初学者推荐使用Django ORM或Peewee,因其易学易用。
1394 4
|
机器学习/深度学习 数据采集 算法
如何在一夜之间成为模型微调大师?——从零开始的深度学习修炼之旅,让你的算法功力飙升!
【10月更文挑战第5天】在机器学习领域,预训练模型具有强大的泛化能力,但直接使用可能效果不佳,尤其在特定任务上。此时,模型微调显得尤为重要。本文通过图像分类任务,详细介绍如何利用PyTorch对ResNet-50模型进行微调,包括环境搭建、数据预处理、模型加载与训练等步骤,并提供完整Python代码。通过调整超参数和采用早停策略等技巧,可进一步优化模型性能。适合初学者快速上手模型微调。
706 8
|
11月前
|
机器学习/深度学习 人工智能 边缘计算
24/7全时守护:AI视频监控技术的深度实现与应用分享
本文深入解析了AI视频监控系统在车间安全领域的技术实现与应用,涵盖多源数据接入、边缘计算、深度学习驱动的智能分析及高效预警机制,通过具体案例展示了系统的实时性、高精度和易部署特性,为工业安全管理提供了新路径。
2919 7
|
12月前
|
SQL 数据库
gbase 8a 数据库 SQL优化案例-关联顺序优化
gbase 8a 数据库 SQL优化案例-关联顺序优化
|
缓存 负载均衡 JavaScript
构建高效后端服务:Node.js与Express框架实践
在数字化时代的浪潮中,后端服务的重要性不言而喻。本文将通过深入浅出的方式介绍如何利用Node.js及其强大的Express框架来搭建一个高效的后端服务。我们将从零开始,逐步深入,不仅涉及基础的代码编写,更会探讨如何优化性能和处理高并发场景。无论你是后端新手还是希望提高现有技能的开发者,这篇文章都将为你提供宝贵的知识和启示。
|
API 定位技术
api接口如何对接?(带你了解api接口的相关知识)
API接口是在产品和研发领域广泛应用的专业术语,主要用于公司内部系统衔接及公司间合作。本文将详细讲解API接口的概念、必要性及其核心要素。首先介绍API接口的基本原理与应用场景,随后阐述其重要性,最后解析API接口的核心组成部分,帮助读者深入理解API接口的工作机制。适合产品小白和求职者阅读,提升专业知识。
|
存储 人工智能 搜索推荐
RAG系统的7个检索指标:信息检索任务准确性评估指南
大型语言模型(LLMs)在生成式AI领域备受关注,但其知识局限性和幻觉问题仍具挑战。检索增强生成(RAG)通过引入外部知识和上下文,有效解决了这些问题,并成为2024年最具影响力的AI技术之一。RAG评估需超越简单的实现方式,建立有效的性能度量标准。本文重点讨论了七个核心检索指标,包括准确率、精确率、召回率、F1分数、平均倒数排名(MRR)、平均精确率均值(MAP)和归一化折损累积增益(nDCG),为评估和优化RAG系统提供了重要依据。这些指标不仅在RAG中发挥作用,还广泛应用于搜索引擎、电子商务、推荐系统等领域。
6245 2
RAG系统的7个检索指标:信息检索任务准确性评估指南