在刚荣获 2025 年诺贝尔化学奖三周后，加州大学伯克利分校教授奥马尔 · M · 亚吉（Omar M. Yaghi）在由陈天桥脑科学研究院主办的 AIAS（AI Accelerating Science）大会上，进行了他获奖后的首次公开演讲。钛媒体 AGI 作为合作媒体也参加了本次大会。
这位从约旦裔难民棚中走出来，被称为 "MOF 之父 " 的世界级科学家， 并未在演讲中回顾他因发明金属有机框架（MOF）和共价有机框架（COF）获得诺奖的过去，而是首次揭示了他的一个全新科学思想体系：" 让化学能够自己具备思考、推理与自我演化的能力。"
" 科学一直是自然与人类思维之间的对话，" 他说，" 如今，借助人工智能，我们正在赋予科学自行思考、推理和演进的能力。"
他称这一体系为 "From Molecule to Society"（从分子到社会），这也是他的核心思想——将分子设计、实验合成、产业化扩展与社会应用融为一体，形成了一个由生成式 AI、机器人和自学习智能体共同驱动的科学循环系统。
有趣的是，与其他科学家充满了对 AI 的彷徨或焦虑不同，他详细讲了四个自己最近如何使用 AI 取得重大科研突破的案例，其中前三个都与 ChatGPT 相关。
这也标志着他从一个构建材料的化学家，转变为构建智能的科学家，而这种智能将构建下一代材料。
案例一：让 ChatGPT 成为 " 化学家 "
亚吉从一个简单但具有变革性的问题开始：大语言模型能理解化学吗？
在他的第一个演示中，他的团队训练 ChatGPT 阅读数千份合成报告并进行推理——提取反应参数、预测结果，并对实验将产生单晶或多晶产物进行分类。
他认为该模型的预测性能优于许多传统启发式方法。通过这种方式，ChatGPT 从一个文本生成器演变成一个科学推理引擎——连接了自然语言和实验逻辑。
" 我们不再需要问 AI 能为科学做些什么，" 亚吉说，" 我们现在要问的是，当科学由 AI 驱动时，它能变成什么样子。"
这 " 第一步 " 就奠定了 "AI 加速化学 " 的基础——这是一个通过数据驱动推理对化学智能进行编码、学习和迭代改进的领域。也是实验知识第一次被系统地数字化、学习化和智能化。
"AI 不只是帮助科学家，而是让科学本身获得新的思维方式。" 亚吉说道。
案例二：AI 设计的沙漠取水器
第二个案例中，亚吉介绍了他的 " 死亡谷实验 "，他的团队在那里部署了一个便携式、零能耗的取水装置，该装置由经 ChatGPT 分子编辑优化的 MOF 材料制成，具体说就是 AI 通过分子编辑优化 MOF 结构，研发出的一款便携式、无需能源的集水装置，改善了吸附等温线和解吸阈值，能在仅有 15% 湿度的沙漠空气中提取饮用水。
实验室测试和现场数据吻合，表明经过微调的 GPT 模型能够 " 塑造框架的取水行为 " ——同时优化效率和可持续性。
这项突破使 "AI 驱动的材料创新 " 第一次直接造福人类生活。在这里，生成式 AI 与网状化学的融合产生了切实的社会价值：为那些本不应存在水的地方带来了水。亚吉评价称，这说明了 "AI 并不取代化学家，而是让他们的创造力倍增。"
案例三：七个 Agents 智能体的协作实验
亚吉的第三个例子看起来宛如科幻小说，更进一步展示了 AI 的 " 团队智能 "，即 Agents 智能协作的可能性。
在这个案例中，由亚吉基于 ChatGPT 创建的七个 Agents 组成虚拟科研团队，分工执行实验设计、文献检索、算法优化、实验安全与数据分析等任务，每个智能体承担不同的角色： 实验规划师、文献分析师、数据解读员、算法编码员、机器人控制器、安全顾问、Bayesian 贝叶斯优化器。
这些 AI 智能体共同设计并优化了 COF-323 的结晶过程，该材料长期以来被科学界认为非常难以合成。它们自主地与机器人反应平台交互，并行运行数百个实验，每个实验都由贝叶斯优化指导，以追求更高的结晶度。
结果非常显著：在几天内完成了上百次 COF 结晶实验，通过 Bayesian 算法持续优化条件，实现从无定形到高结晶的飞跃。
亚吉称这是 "AI 自主协作科学 "（AI Self-Collaborative Science）的早期原型——在这个系统中，大语言模型扮演着能够进行独立实验的推理同事角色，AI 系统则与自动化实验 Agents 协同运行。
案例四：从分子到社会，AI 科学的设想
在最后一个案例中，亚吉介绍了一家诞生于伯克利的初创公司 AIMATX。该公司正在开发一个他称之为 " 从分子到社会 "（From Molecule to Society）的通用平台。
该平台由三大 AI 层构成： 1. 设计层（Design）：AI 预测并生成分子结构； 2. 合成层（Synthesis）：AI+Agents 执行实验并自动表征； 3. 扩展层（Scaling）：AI 分析市场、优化供应链、推动社会部署。
亚吉也称之为 " 从分子到社会的 AI 循环 "（Molecule-to-Society AI Cycle）——每个实验数据都反馈进系统，驱动下一轮发现。
他展示了一张标有 " 从分子到社会的 AI 循环 " 的循环图——展示了数据集如何在理论、合成和应用之间持续流动。每个实验都成为一个数据点，每个数据点都改进模型，而模型反过来又设计下一个实验。
" 我们正在构建一个永不停歇地去发现的活系统，" 亚吉说。
为了演示，他还分享了通过 AI 辅助工作流程发现的新型 ZIF 和 LZIF 晶体结构，该系统的发现率是随机人工探索的至少两倍。
这场演讲不仅展示了前沿的科学创新，更是一份关于 AI" 科学本质 " 的宣言：AI 不是工具，而是新的科学思维体。
" 我们不是在加速实验，而是在加速人类解决问题的能力。" 随着掌声响起，屏幕上出现亚吉与学生的合照——象征一个由 AI 与人类共创的科学新纪元。
这场在旧金山 AIAS 大会上的演讲，或许将被写入史册——作为人类科学史第一次见证 " 自己会思考与进化的化学 " 的时刻。（作者 ｜Jany，本文首发于巴伦中文网）
更多对全球市场、跨国公司和中国经济的深度分析与独家洞察，欢迎访问 Barron's 巴伦中文网官方网站
