配资网之家
10月31日电让人工智能(AI)设计一颗芯片，如果不能一次做对，怎么办？中国科学院计算技术研究所副所长陈云霁给出的办法是：让它不断验证、调试、修复，在反复纠错中逼近目标。
在30日举行的2026世界顶尖科学家论坛多场平行论坛上，AI如何参与科学研究成为热议话题。从生成电路到寻找材料，多位科学家的发言涉及同一道关口：怎样检验AI给出的结果，并将其转化为可用的技术？
芯片设计对错误极为敏感。陈云霁在人工智能平行论坛上解释，一颗每秒执行大量指令的处理器，即使出错概率很低，也可能频繁出现故障。让AI一次性生成正确设计十分困难，人类工程师同样需要依靠验证来排查问题。
“其实靠的是验证。”他介绍，团队将自动验证、自动调试和自动修复引入设计流程，通过反复迭代改进结果，探索从功能需求到电路设计的自动化路径。
沿着这一研究路径，团队先后实现了“启蒙1号”和“启蒙2号”处理器核的自动设计。其中，“启蒙1号”已完成流片，性能达到Intel486水平；“启蒙2号”的性能达到ARM Cortex A53水平。
陈云霁表示，团队还将AI的应用拓展到操作系统配置、程序转译等环节，探索改变处理器芯片及其基础软件的设计方式。
当研究对象从电路转向材料，检验AI答案又多了一道关：计算中表现出色的材料，能否在实验室里真正制备出来？
2010年诺贝尔物理学奖得主康斯坦丁·诺沃肖洛夫(Konstantin Novoselov)在未来能源大会上谈到，真实材料的性质受到多种因素影响。以钢为例，化学成分之外，微观结构、晶粒边界等也会影响其表现，而这些复杂信息未必被现有数据库充分记录。
即便预测出具有特定性质的材料，也不意味着能够找到合适的合成路径。诺沃肖洛夫介绍，其团队尝试从研究开始就将合成过程纳入考虑，观察中间产物，分析反应如何发生。
他以氮化硼合成为例解释，看似简单的原料转化，实际可能包含多条相互竞争的反应路径。团队通过监测和建模积累数据，让AI学习合成条件与反应路径之间的关系，帮助寻找获得目标材料的方法。
在同日上午的报告中，美国西北大学材料科学与工程教授杰弗里·斯奈德(Jeffrey Snyder)区分了对现有材料的设计优化与全新材料的发现。在他的观察中，前者已经取得不少进展，后者仍面临诸多挑战。
随后在圆桌讨论中，他进一步谈到热电材料的应用：除材料性能指标外，使用寿命、热膨胀、振动、接触界面及制造条件等，也需要综合考虑。单项指标的提升，还需要与器件实际使用中的要求相衔接。
在斯奈德看来，未来的材料研究需要不同专业的研究者共同参与。团队不仅要有AI专家，还要有熟悉材料合成的化学家、掌握材料加工的工程师，并将对物理机制的理解融入研究。
AI参与的研究环节越来越多，科研人员应当具备怎样的能力？中国科学院院士、华东师范大学终身教授何积丰在人工智能平行论坛致辞中，将其概括为三个方面：定义问题、验证AI产出，以及作出道德判断。
在他看来，基础知识成为校验、甄别AI输出的“内在标尺”。缺少对原理的理解，人们就容易被流畅却存在漏洞的答案误导。故障注入、排错调试等训练，也因此成为培养专业判断力的重要方式。
在该论坛的圆桌讨论中，陈云霁也谈到，AI能够耐心回答学生的大量问题，但在选择研究方向、判断问题是否值得研究等方面配资网之家，教师仍能提供独特价值。(完)
【来源：中国新闻网】声明：本文版权归原作者所有。如您发现信息来源有误或内容侵犯了您的权益，请通过邮箱与我们联系，我们将在核实后及时更正或处理。联系邮箱：zhongbobaoliao@163.com广禾配资提示：文章来自网络，不代表本站观点。
- 上一篇：配资在线导航官网 晒坝空了，粮食去哪了？95后新农人的三代接力
- 下一篇：没有了
相关文章
热点资讯
