4PDiKRrfRpj scroll.huanqiu.comzh-Hansarticle破局“数据孤岛”困境 AI赋能化学科研创新近日，由浙江大学研究员王文冠主导，联合中国人民大学科研团队，在国际权威期刊《自然·通讯》（Nature Communications）上发表创新性研究成果，提出/e3pmh1rv3/e5anvcnkq<article><section data-type="rtext"><p>随着国家推动人工智能与实体经济深度融合、加快实现高水平科技自立自强的战略部署，人工智能已成为驱动科研范式变革和产业创新升级的核心引擎。在药物研发、新材料等化学领域，出于商业保密与数据安全的考虑，各大科研机构对共享原始数据普遍持高度审慎态度，导致“数据孤岛”现象，即大量有价值的数据被封锁在各自机构内部，难以共享。该现状已构成制约该领域发展的关键瓶颈，使数据驱动的人工智能方法无法充分发挥潜力。</p><p>近日，由浙江大学研究员王文冠主导，联合中国人民大学科研团队，在国际权威期刊《自然·通讯》（Nature Communications）上发表创新性研究成果，提出由化学知识引导，面向化学逆合成的隐私保护学习框架——“CKIF（Chemical Knowledge-Informed Framework）”，实现在保护数据隐私前提下的跨机构协同学习，为化学研究的数字化、智能化转型提供了安全高效的新路径。</p><p><img data-alt="现有训练范式与本研究提出的CKIF示意图" src="//img.huanqiucdn.cn/dp/api/files/imageDir/acf42acf9ffc7183e596c506458b65afu1.png?imageView2/2/w/750" /></p><p>为保护数据机密，构建安全、高效的化学研究协作生态系统，CKIF引入基于化学知识的智能加权策略。在该技术框架下，各参与机构仅需使用本地数据独立训练模型、上传模型参数，无需共享任何原始数据。CKIF通过基于分子指纹的化学相似度评估，智能判断不同机构模型的参考价值，进而为每个参与方定制个性化的融合模型。研究团队负责人王文冠研究员介绍：“就像多位化学家在不泄露各自实验细节的情况下交流心得一样，CKIF让AI模型在保护原始数据的前提下实现知识共享。”</p><p>值得关注的是，CKIF在多个标准数据集上表现出卓越的性能及较强的泛化能力，其准确率相较独立机构单独训练的模型提升约15%；在涵盖十类主要化学反应的系统性评估中，CKIF均保持稳定优势。特别是在复杂成环反应等挑战性任务中，CKIF给出的预测结果展现出更高的化学合理性，显著优于对比基线。此外，CKIF还表现出优秀的抗干扰能力，即使在数据存在噪声的情况下仍能保持稳定性能。</p><p>该技术为医药研发、材料科学等领域的跨机构合作提供了可行的解决方案。业内专家认为，这一突破将有效促进科研机构、高校与企业间的深度协同，在充分保护知识产权的前提下加速科学发现进程。</p><p>研究团队表示，该框架具备良好的扩展性，可推广至其他受困于“数据孤岛”的科研领域，为构建安全、高效的科研协作生态系统提供关键技术支撑。根据数字经济横向打通、纵向贯通的发展战略，此类兼顾数据安全与协同创新的技术方案，将持续为我国科技创新体系注入发展动能。</p></section></article>1763639050251环球网版权作品，未经书面授权，严禁转载或镜像，违者将被追究法律责任。责编：郑媛媛环球网176363905025111[]{"email":"zhengyuanyuan@huanqiu.com","name":"郑媛媛"}