在【化学专场 – 从理论、人工智能、机器学习至实验实践】专题研讨会，由香港大学黄乾亨黄乾利基金教授（化学与能源）及化学系讲座教授、中国科学院院士、美国科学院外籍院士、欧洲人文和自然科学院外籍院士、世界科学院院士、香港科学院创院院士任詠华领衔，邀请2013年诺贝尔化学奖获奖者Michael Levitt，耶鲁大学Sterling化学教授Sharon Hammes-Schiffer，中国科学院大连化学物理研究所研究员张东辉，复旦大学化学系教授徐昕，多伦多大学化学及计算机科学教授Alán Aspuru-Guzik，围绕“计算生物学应用”、“催化和能量转换中的质子耦合电子转移”、“水的第一性原理研究”、“准确高效的多相催化理论模拟”以及“现代化学中的人工智能与自动化”等展开学术分享与探讨。

活动中，任詠华教授对本场演讲嘉宾以及现场观众表示感谢，并对嘉宾的演讲课题进行介绍。

斯坦福大学医学院癌症研究所Robert W. 及Vivian K. Cahill冠名教授、计算机科学荣誉教授、2013年诺贝尔化学奖获奖者Michael Levitt以《计算生物学的全球应用》为题进行主旨演讲，他指出：“1967年起，我一直深入研究计算生物学领域，从蛋白质稳定性和分子动力学建模开始，主要专注于大规模功能运动的模拟，这些理论研究已在医学领域被实际应用。新冠疫情期间，团队将计算生物学的工具和技术应用到病毒增长的分析当中，为公共防疫提供了重要见解。”他表示，近期团队正在考虑如何利用细致的数据分析和简单物理建模的相同组合来应对气候变化危机。这是一种新颖的方法，有可能为我们这个时代最紧迫的问题之一提供有意义的解决方案。

耶鲁大学Sterling化学教授、美国国家科学院院士Sharon Hammes-Schiffer以《催化和能量转换中的质子耦合电子转移》为题进行主旨演讲。她指出，分析理论和计算方法的结合，为化学、生物学及材料科学等广泛领域提供了基本见解和设计原则。Sharon Hammes-Schiffer教授了讨论质子耦合电子转移（PCET）反应。“PCET一般理论公式包括了量子力学效应，以及复杂环境的影响，如溶剂、蛋白质和固态材料。而PCET理论有助于对实验数据的解释，并且提供的预测是可以进行实验检验的。”Sharon Hammes-Schiffer教授重点介绍了PCET在生物学方面的应用。她表示，该理论中的见解有助于引导更有效的生物医学上的重要蛋白质设计。

中国科学院大连化学物理研究所研究员、中国科学院院士张东辉以《水的第一性原理研究》为题进行主旨演讲。他指出，水展示了很多异常的特性，这使得人们对它一直保持浓厚的兴趣。为了阐释水在所有相态下的独特行为，学者们已提出许多理论模型，但长期寻找的能够描述水在不同热力学条件下属性的“通用水模型”依然难以获得。张东辉教授表示，团队通过神经网络拟合高精度的电子结构计算相互作用能，获到了非常高精度的二、三、四体水分子相互作用势能函数。“初步模拟结果显示，通过加入到四体的相互作用能和核量子效应，模拟得到的水的结构、热力学和动态性质与实验观测结果高度一致。这表明新的多体势能面为准确模拟从水团簇到体相水的所有性质提供了可靠的方法，使我们有可能更深入地理解水的异常特性。”他谈到。

复旦大学化学系教授徐昕以《迈向准确高效的多相催化理论模拟》为题进行主旨演讲。他指出，密度泛函理论(DFT)是研究催化作用最广泛使用的计算方法。它提供了有关反应机理、活性位点本质、过渡态构造等的分子水平上的基本理解。然而，DFT方法近似地处理电子相关效应，准确模拟表面能量变化仍然十分困难。为此，团队提出了一类新的双杂化密度泛函，即xDHs，这很有希望用于准确的表面能量学计算。

多伦多大学化学及计算机科学教授、加速联盟负责人Alán Aspuru-Guzik以《现代化学中的人工智能与自动化》为题进行主旨演讲。他介绍了人工智能在材料发现领域的演变，并指出，随着“材料基因组学”方法的发展，机器学习预测的实例化需求也在增加。Alán Aspuru-Guzik教授概述了不断增长的自我驱动实验室（Self-Driving Labs，SDLs）领域。他表示，SDLs是通过采用人工智能和自动化实验计划执行，来帮助加速科学发现或扩大规模的过程的系统。Alán Aspuru-Guzik教授以团队研究的新型有机发光材料的筛选工作为例，介绍了SDLs的基本要素与应用方向发展。“在多伦多大学，我们已经启动了加速联盟（AC）。这一举措最近获得了2亿加元的资金，用于加速化学、材料科学和生物技术的SDL。”他谈到。

在对话环节，嘉宾围绕“AI在学科融合中的挑战”、“自动化机器人为实验研究带来的变化”等话题展开探讨与交流。