新加坡點樣用 AI 將科研發現變成實際技術？

新加坡發展「人工智能科研」（AI for Science，簡稱 AI4S），唔係只想用 AI 加快搵論文或者預測新分子，而係要將 AI 放入整個科研流程：由提出假設、揀選實驗，到分析結果、驗證軟件，再到開發可以喺實驗室以外測試嘅技術。新加坡國家研究基金會（NRF）承諾投放1.2億新加坡元，支持首批八個項目，計劃喺2026年6月16日正式啟動。

重點在於，加快發現同證明可以落地，其實係兩回事。今次項目要處理嘅，正正係由「電腦話得」去到「現實世界做得到」中間嗰段距離。不過，項目所提到嘅材料、催化劑、診斷工具同軟件，目前仍然屬於科研目標，唔代表已經成為成熟商業產品；部分研究預計需時4至5年。

Materials Data Foundry：由 AI 預測行到真正整得出

AI 可以喺模擬中搵到一種睇落有潛力嘅材料，但呢個結果未必代表研究人員知道點樣穩定咁製造、點樣大規模生產，或者材料實際表現會唔會同模型預測一樣。由新加坡國立大學同多倫多大學 Acceleration Consortium 共同設立、總投資1,000萬新加坡元嘅 Materials Data Foundry，正正針對呢個由預測去到生產嘅樽頸。

計劃會將 AI、機械人同 in-situ 即場測量結合，建立一個開放式自動化實驗室。相比只依賴已發表嘅材料數據，實驗室會自行產生大量實驗數據，記錄不同合成條件同材料實際表現之間嘅關係。新數據再用嚟改善模型，並指導下一輪實驗，形成「預測—實驗—修正」嘅循環。

項目目標包括進行大量實驗，並整理出實際可重複嘅合成配方，研究方向包括超越矽基或量子材料、潔淨製氫所需嘅電催化劑，以及更耐腐蝕嘅塗層。換句話講，成果唔應該只係一張由 AI 生成嘅候選材料清單，而係要有證據證明有關材料點樣製造、點樣測試，以及能否穩定重現。

AI 先篩選催化劑，研究人員再落手做實驗

另一個由 A*STAR 同 Imperial College London 領導、同樣獲1,000萬新加坡元支持嘅項目，會開發 Surface Science Foundation Model 同雲端平台，用嚟預測催化劑嘅性能及合成條件。研究應用包括較潔淨燃料、由二氧化碳衍生嘅原料，以及生物基化學品。

項目資料提出，計算篩選速度目標可提高500倍。不過，呢個係指搜尋候選方案嘅計算程序，唔等於一種完成嘅燃料或者化學製程可以快500倍面世。至於「快近5倍、平近5倍」嘅講法，如果冇清楚交代係另一項後續開發指標，就需要審慎理解。真正關鍵，仍然係 AI 揀出嘅催化劑能否喺實驗中表現良好，並進一步發展成可行製程。

用科學驗證方法檢查 AI 寫出嘅程式

AI4S 亦將軟件可靠性視為科研同工程問題。新加坡國立大學同 Imperial 正開發程式推理工具，分析及測試程式碼、以形式化方法驗證指定性質，並喺可行情況下證明程式正確。工具會應用於網絡協定、Linux 核心元件等較複雜、出錯後果可能較嚴重嘅軟件。

其中一個構想，係由 AI 系統審核另一個 AI 系統所寫嘅程式。呢種「AI 審 AI」嘅方法，或可令 AI 輔助編程更可靠，但自動分析唔等於對安全作出無條件保證。形式化方法可以喺既定假設下證明某啲具體性質；至於整體可靠性，仍然取決於規格寫得好唔好、測試是否足夠，以及程式實際運行嘅系統環境。