柯谐宁

我的研究兴趣横跨四个相互交织的领域：合成化学、计算化学与物理有机化学、功能材料的理性设计，以及化学人工智能（AI4C）。这些并非彼此孤立的追求，而是一段智识之旅中的不同驿站，每一站都孕育着下一站。

1. 合成：创造的乐趣

我因合成而走进化学，又因一种难以用功利理由解释的缘由而留下。化学反应的核心是一种转化：一种物质变成另一种物质。当我们引导原子沿着自然界从未走过的路径前行，制造出宇宙中从未存在过的分子时，我们体验到近乎纯粹意义上的创造。其中蕴含着一种深刻的能动感：化学家是作者，而非旁观者。这正是我兴趣的起点，源于自由的求知欲，以及构筑分子的那份简单、不可还原的乐趣。

2. 计算化学与物理有机化学：学着去理解

然而，合成会立刻引出一个令人不安的问题：我们究竟从烧瓶里学到了什么？

我们能重现一个反应、优化其产率、勾勒其适用范围，但这些只是经验事实，并非理解。要真正把握发生了什么，我们需要从宏观下降到分子层面：重构反应坐标、定位过渡态、理清左右结果走向的位阻、电子与溶剂效应。计算化学配合物理有机化学的机理直觉，提供了这副透镜。在单分子尺度，这些问题变得可解。我们能以相当的信心解释，为何一个反应沿此路径而非彼路径进行。这幅图景优雅、令人满足，并带有一种诱人的完备感。

3. 功能材料的理性设计：雄心与鸿沟

在这种分子层面理解的鼓舞下，人自然会尝试更大的事业：理性设计。如果我们知道单个分子如何行为，我们理应能够工程化地设计出具有指定性质的材料，即分子的集合。这是功能材料化学的雄心，乍看之下似乎是直截了当的外推。

然而并非如此。理性设计的成功远比还原论逻辑所预测的更为难寻。我们理解单体，却难以预测聚合物；我们能表征配体，却无法预见晶体。在从“少”到“多”的过渡中，某种本质的东西悄然丢失。

4. 化学人工智能：直面《More Is Different》

问题正如 P.W. 安德森在其里程碑式文章《More Is Different》¹中所阐述：数量本身会催生定性的新奇。计算化学在数十到数百原子的尺度上运作自如；实验化学则在毫摩尔尺度，即约 10²⁰ 个分子上运作。两种尺度之间的鸿沟并非仅仅是计算上的不便，而是概念上的深渊。安德森论证道，还原论在此失效：整体的行为并非其部分行为的线性叠加。我们永远无法，哪怕在原则上，从单分子势能面模拟出大块材料的涌现性质。

但有一种耐人寻味的对称性值得思量。从某种意义上说，大语言模型执行的是反向操作：它们将数以万亿计的参数，即一种天文维度的人类语言表征，压缩为几百个 token 的连贯、富有上下文的输出。安德森指出了尺度的不可还原性，而现代基于注意力的架构²则展示了尺度的可压缩性。这种反转引出一个诱人的假设：如果 transformer 能从万亿维的语言空间中萃取本质，那么相似的架构是否也能从同样浩瀚的分子与材料空间中萃取化学相关的特征？看似不可还原的“多”的复杂性，是否其实可被恰当的习得式压缩所驯服？

正是这个问题激活了我对 AI4C 的兴趣：并非仅仅把机器学习当作黑盒预测工具，而是探索注意力的架构，即那种将复杂性坍缩为意义的机制，能否弥合安德森所指出的那条鸿沟。这是一次让“多”重新变得可读的尝试。

参考文献