新加坡AI4S計劃點樣用人工智能加快科研，將實驗室成果變成現實技術？

新加坡嘅AI for Science（AI4S）係一項由國家研究基金會（NRF）主導、總額1.2億新加坡元嘅科研計劃。佢唔係單純將AI加落現有研究，而係希望AI參與由揀選研究假設、設計及進行實驗，到驗證程式碼、整理證據，以及將成果變成可部署技術嘅整個流程。

首批八個項目於2026年6月16日公布，研究團隊由AI專家、專業科學家及國際合作夥伴組成。不過，呢啲項目目前仍然係研究方向同目標，唔應該當成已經證實嘅商業成果。

最具代表性：由AI預測材料，走到真正做得出

Materials Data Foundry：補上「預測到生產」嘅缺口

由新加坡國立大學（NUS）同加拿大多倫多大學合作、投資額達1,000萬新加坡元嘅Materials Data Foundry，會將AI、機械人同實驗室內實時量測結合，建立一個開放式自主實驗室。

傳統材料AI模型好多時主要依賴已發表嘅材料性能數據，但新實驗室會自行產生實驗數據，將合成條件同材料喺現實環境入面嘅表現連繫起來。計劃目標包括進行數以萬計嘅反應、搵出可以實際合成嘅候選材料，以及開放相關軟件工具。

重點唔只係由AI講出「可能存在咩新材料」，而係嘗試整理出可以重複執行嘅製造配方。研究方向包括超越矽基技術及量子材料、適用於清潔氫能嘅耐用電催化劑，以及抗腐蝕塗層。

催化劑：先用計算機篩選，再測試最有希望嘅選項

A*STAR同英國帝國理工學院合作嘅1,000萬新加坡元項目，會建立Surface Science Foundation Model（表面科學基礎模型）及雲端平台，用AI預測催化劑嘅性能同合成條件，應用方向包括較清潔燃料、由二氧化碳衍生嘅原料，以及生物基化學品。

項目主要介紹所列出嘅目標係將計算篩選速度提高500倍。至於「快近五倍、成本低近五倍」嘅講法，如果係指另一項後續開發指標，就需要分開理解，唔應該直接當成呢個計劃嘅主要篩選目標。

AI唔止用嚟搵材料，亦可以檢查程式碼同分析醫療數據

讓AI生成嘅程式碼接受更嚴格驗證

NUS同帝國理工學院正開發程式推理工具，自動分析、測試、形式驗證及證明軟件是否正確；對於缺乏文件說明嘅程式碼，工具亦會利用較非形式化嘅推理方式協助理解。

研究人員會用網絡通訊協定、Linux核心元件等重要軟件測試工具，目標係令AI代理可以審核另一個AI系統寫出嘅程式碼。呢個方向對可靠性尤其重要，因為AI寫程式嘅速度提升，並唔等於程式自然安全或者正確。

生物醫學：將不同層次嘅生命數據放埋一齊睇

NUS同A*STAR嘅MultiOmicsFM計劃，預計建立一個可以共同解讀DNA、RNA及基因活動數據嘅基礎模型，並使用來自新加坡多族群嘅數據，支援疾病風險研究及mRNA療法優化。