【按】物质科学是自然科学的核心。新物质创制改变了世界和人类的文明进程，也是推动科学原始创新、引领技术颠覆性突破的核心动力。物质科学与信息科学的融合将为新物质创制带来全新的研究范式和思维理念，为新物质创制关键科学问题的解决以及“卡脖子”技术的突破提供全新的方法论与解决途径。面向战略性新物质创制的迫切需求和重大挑战，浙江大学“天工计划”组织化学、化工、材料、计算机、医学、药学等领域专家，开展了跨学科的深入研讨，凝练提出了“分子智造”十大科学与技术问题。
1.如何实现智能聚合物材料的逆向设计和快速开发？
柔性智能聚合物材料在柔性机器人、下一代智能医疗器械、触觉传感、人体体能增强、绿色智能织物等领域至关重要，但人们尚不能从“智能”需求出发逆向设计原料组成、聚合过程与加工工艺。其瓶颈在于：“智能”的涌现往往依赖于材料多级结构的精准调控以及由不同级次结构产生的性能耦合。通过传统“还原论”的研究范式分级次构建聚合物材料多级结构与性能的联系，通常耗时、费力，且往往难以精准实现。通过功能聚合物材料的高通量合成平台，基于先验知识和模拟计算理性设计实验，高通量制备具有精准多层次结构的聚合物材料库，开发适合聚合物材料的高通量性能（力、电、光）表征技术，破解智能聚合物结构复杂性对现有机器学习策略带来的巨大挑战，进行聚合单体分子结构、聚合原理、生产与复合加工工艺与应用性能跨级关联及规律构建，将加深对聚合过程、转化机制、材料结构与性能理论关系的全面理解，最终实现高端智能聚合物材料的逆向设计和快速开发。
2. 如何利用高通量化学合成与人工智能技术实现更加精准的物质制备？
新物质的精准制备一直是物质科学领域的重大挑战之一。传统的物质制备往往伴随着繁琐的实验操作、大量的试剂消耗和漫长的实验过程，难以满足当今社会发展对新物质创制的迫切需求。合成化学与人工智能技术相结合，为实现新物质的精准制备带来了革命性的机遇。然而，传统的化学合成与分析表征手段无法满足人工智能获取大数据的需求，已成为制约二者结合的共性瓶颈问题。通过对流动化学体系内微尺度效应（高效传质传热、高比表面积、高能量密度等）作用机制的认识与利用，选择能够显示结合优势的化学合成体系（如基于光催化烯烃炔烃转化、光化学不对称合成、多肽药物合成筛选等）作为突破口，完成高通量合成反应与高通量多模式（包括光谱、色谱、质谱等）分析表征，满足人工智能对海量数据规模和质量的高标准要求，有望实现更加高效精准的物质制备和科研范式的变革。
3. 如何通过数据驱动模式实现生物活性分子复杂功能空间的精准寻优？
蛋白质天文数字的氨基酸序列是其生物活性的源泉。破解蛋白质氨基酸序列与生物活性功能的内在联系，不仅对理解蛋白质活性的内在机制具有重要意义，也可为采用更稳定的生物活性肽及其组合的工程应用提供基础。然而，由于蛋白质结构典型的多尺度复杂特性，传统的实验、理论和计算模式均无法实现对其复杂功能空间进行精准寻优。如何突破传统模式，通过对蛋白质数据库的数据挖掘技术和高通量实验验证技术结合，建立蛋白质仿生原理指导下的数据驱动研究模式，对于实现特定生物活性功能的蛋白质精准构筑和示范应用，均具有关键的意义。
4. 如何实现自适应生物材料的精准合成与应用？
材料与服役环境的动态作用与负反馈调制下的响应性能，可以赋予材料更强的功能与环境适应性。自适应生物材料的结构和性能可根据环境的不同而随时间和空间进行动态演化，并且具有适度的回馈调节能力，从而实现抗凝血、促组织生长、抗菌等生物功能。为此，需要着重解决针对特定服役环境下，如组织再生微环境、炎症组织微环境、细菌或病毒感染组织微环境、血液接触微环境、感染-炎症-组织再生复合微环境下，自适应生物材料的结构设计、精准合成、功能集成、效果验证问题，为自适应生物材料的设计与应用奠定理论和实验依据，并推动新一代智能器件和器械的发展。通过临床重大难题牵引，推动组织修复再生材料、生物医学、柔性电子和人工智能的交叉会聚，重点发展炎症组织微环境调控的自适应生物材料及智能治疗器械，将有效提高皮肤、中枢神经、骨软骨一体化再生及骨关节炎、心肌梗死的治疗水平。
5. 如何实现活性多肽的精准制备？
多肽的氨基酸序列决定了其结构与功能。掌握多肽“序列-结构-功能”的精准联系，将为活性多肽分子的设计与优化提供指导原则，为活性多肽的精准制备奠定基础。尽管“序列-结构-功能”的联系如此重要，如今人类对其的认识和利用仍然非常有限。基于已有的多肽“序列-结构-功能”数据库，探索多肽序列的智能表达和机器学习预测模型的构建，将提供多肽“序列-结构-功能”的AI元模型。针对新型活性多肽，结合高通量实验手段、机器学习元模型以及迁移学习的策略，将为多肽结构与功能的设计提供新的策略与方式，有望实现活性多肽的精准制备。
6. 如何基于人工智能实现分析科学的突破？
针对多级复杂结构进行原子尺度的高通量、高精准、高效率的表征和数据解读是分析科学的关键瓶颈。尽管现行的分析检测手段众多，能够从声、光、电、磁等角度反映物质的不同属性，但目前的技术和日益增长的需求依然存在巨大差距，传统的经验范式对于多维度信息的理解和利用非常缺乏。人工智能技术使得多维度、高通量分析数据的智能处理成为可能。基于人工智能的多维度物质分析，开发满足高灵敏度、高精度、高准度以及高通量需求的新一代光谱、色谱、质谱等分析表征技术，实现复杂结构的快速识别和智能鉴定，有望解决具有复杂构象的生物活性物质高通量精准检测的难题，实现从人工分析到智能分析的转变。
7. 如何实现高分子聚集态结构的数字化精准创制？
大分子量及其多分散性决定了高分子材料复杂的多层次结构，引起了“高分子结构控制不精”的重要科学问题，进而阻碍了其构效关系在科学上的深度解析，同时也导致了大量卡脖子技术难题。因此，探索构建高分子精准结构的新策略是新物质创制领域亟待解决的重大问题。借鉴信息科学中通过数字编码实现信号精准处理的原理，在微纳尺度上，建立对高分子材料进行区域化可编程的结构调控新机制，对聚集态结构进行数字编码，获得数字化高分子精准结构，将有望催生出高分子材料新型构效关系、工艺标准，并基于精准结构而突破现有材料的性能极限。
8. 如何实现手性催化合成的人工智能设计？
手性催化合成是精准构筑复杂功能分子的核心手段。目前化学家对于手性催化合成的探索和研究仍然处于初步的阶段，以实验试错和随机筛选为代表的优化手段极大地限制了新型手性催化剂的发展。正如基因中数据信息决定了生物性状，手性催化剂的结构信息同样决定了其催化反应的活性和选择性。这些手性控制的“基因密码”包括空间位阻和结合作用两个核心因素。针对这些核心因素，发展精准描述催化剂的手性立体环境以及手性作用口袋的分子描述符，将解锁手性催化合成的“基因密码”，从而打开手性催化剂理性设计的“钥匙”，为手性催化合成的设计和优化带来颠覆性的变革，催生革命性的优势催化剂和手性催化模式。
9. 如何实现数据驱动的分离材料高效构建与相似物精准分离？
精准分离是超高纯化学品/材料制造过程的关键技术，消耗全球近15%能源。其科学挑战在于目标导向的分离材料精准构建、结构相似物质的精准分子识别与分离。分离材料的性能由其多尺度结构及功能位点序构决定，掌握分离材料多尺度结构与性能关系、高通量构建与筛选方法，将为精准分离提供科学依据。结合人工智能与高通量实验，发展分离材料适用的机器学习算法，建设数据驱动的分离材料高通量构建与筛选平台，有望为分离材料的精准创制提供新的策略与方法，发展结构相似物精准分离新技术。
新物质创制由实验合成走向产业应用的过程中，反应规模不断扩大，将不可避免地引发显著的“放大效应”，即化工过程因规模变大而导致指标不可重复的现象。对化工过程进行精准放大是工业安全生产和产品质量优化的必由之路。基于声、光、电、磁机理的反应工艺过程参数高精度在线检测技术，发展基于大数据算法工程的数据挖掘与特征重构方法，有望建立人工智能辅助的反应器精准放大理论，开发变革性的反应器智能化精准放大平台。
