化學工業(yè)，作為現(xiàn)代工業(yè)的基石，從未缺席每一次技術革新帶來的潛能釋放。

     當前，大模型技術的發(fā)展方興未艾?；ば袠I(yè)正在積極從中尋找助力，但常規(guī)大模型在垂直領域表現(xiàn)不佳，領域知識的缺乏、機理推導能力差等，導致化工行業(yè)擁抱大模型的嘗試，屢屢受阻。如何將人工智能的“未來感”轉化為化工產(chǎn)業(yè)的“生產(chǎn)力”，如何將AI發(fā)展的兩大方向：大模型與AI for Science高效結合成為當務之急。

     2025年3月，國工智能作為人工智能在化工行業(yè)應用的領跑者，憑借多年行業(yè)積淀，再次以破局者之姿交出答卷——「國工化工大模型」正式發(fā)布?！竾せご竽Ｐ汀雇昝廊诤狭舜竽Ｐ图夹g與國工智能多年沉淀的AI化學能力，讓化學反應從“實驗室盲盒”進階為“可計算的科學”，積極推動化學研究從經(jīng)驗科學、計算科學向AI科學的轉變，用AI技術為化學工業(yè)書寫“化繁為簡”的新范式。

l「國工化工大模型」的核心能力：從“問答助手”到“機理專家”

   「國工化工大模型」改變了大模型的“文科生”設定，朝著“理科生”深度進化。大模型技術與國工智能AI for Science領域的垂直能力深度融合，針對具體問題進行識別后，聯(lián)動調用「合成推演」、「催化劑設計」、「分子動力學及計算化學描述符構效關系計算」、「構效關系計算」、「產(chǎn)物預測」、「量熱預測」、「實驗/工藝優(yōu)化」、「高分子配方與性能預測」、「譜圖逆分析」等15種垂直領域模型進行協(xié)同分析，真正實現(xiàn)大模型在化工場景的“深度思考”。

圖：大模型多路分析

• 合成推演：利用合成規(guī)則預測反應路線圖，從目標產(chǎn)物回溯到起始原料，推薦有機化合物的逆向合成路線，可推薦出文獻中尚無報道且具有潛力的合成路線，輔助探索最優(yōu)合成方案。

• 催化劑設計：針對特定反應類型的催化劑，通過輸入催化劑結構，對催化性能進行預測，為催化劑的實驗開發(fā)指明清晰的方向；反之，輸入所期望的催化性能以及相關的實驗信息，能夠為催化劑結構的修飾、改進、設計提供重要的依據(jù)和思路，從而得到最可能對應此催化性能的催化劑結構。

• 分子動力學及計算化學描述符構效關系計算：「國工化工大模型」可根據(jù)輸入的實驗數(shù)據(jù)，進行各類分子動力學描述符的計算，并能夠建立描述符與宏觀性質的構效關系，自動生成“結構-性能”的預測模型。

• 反應預測：「國工化工大模型」針對輸入的有機反應的反應物和可能的反應條件，可完成從反應物到過渡態(tài)、中間體、以及最終反應產(chǎn)物的模擬計算，并且可以通過對多種反應模式的探索，構建起復雜的有機反應網(wǎng)絡，預測反應可能產(chǎn)生的副產(chǎn)物、雜質等。

• 量熱預測：針對包含反應過程量熱問題，輸入反應物和反應條件后，「國工化工大模型」可以根據(jù)反應本身和不同的反應條件來給出反應裝置中隨時間的量熱變化，對物理過程模擬準確，但對含有化學過程的量熱很難預測。

• 實驗/工藝優(yōu)化：針對組合因素和多指標的優(yōu)化任務進行分析，快速探索最佳指標對應參數(shù)配置，給出實驗條件、工藝參數(shù)，減少試驗次數(shù)，提高研發(fā)效率。

• 高分子配方與性能預測：通過機器學習和深度學習技術，對大量材料數(shù)據(jù)進行分析和挖掘，尋找新的材料組合或優(yōu)化材料配方、預測高分子材料的物理、化學和機械性能，探索新的配方空間，發(fā)現(xiàn)傳統(tǒng)方法難以發(fā)現(xiàn)的高分子材料，推動材料科學的創(chuàng)新。

• 譜圖逆分析：  譜圖逆分析是一項利用海量分子光譜數(shù)據(jù)構建強大表征模型的技術。不僅能實現(xiàn)對相似分子的精準計算與匹配，還能深入解析復雜混合物，準確預測其組分構成，并進一步推斷混合物的關鍵性質。通過對光譜數(shù)據(jù)的深度挖掘和智能分析，譜圖逆分析為化學、材料科學等領域的研究提供了強有力的工具，極大地加速了新材料的研發(fā)和復雜混合物的解析過程。

   

l「國工化工大模型」的行業(yè)優(yōu)勢：從“聊天機器人”到“科研分析師”

     化工知識強化：「國工化工大模型」已完成百萬篇專業(yè)化學文獻的知識庫構建，并結合行業(yè)最領先的數(shù)據(jù)集完成訓練，天然具備化工行業(yè)知識屬性，在行業(yè)術語、專業(yè)概念、學科理論等方面的理解和分析能力顯著提升，回答時生成的文本具備更強邏輯性、準確性，更符合行業(yè)規(guī)范。

     同時，在復雜化工問題的推理和分析上，「國工化工大模型」能夠結合行業(yè)前沿知識，向用戶提供更新穎的解決方案、更具洞察力的建議和可行性研究方向。

     問題識別與能力聯(lián)想：針對用戶輸入的問題，「國工化工大模型」將自動識別其中的化合物名稱、化學式、配方組分與比例等關鍵數(shù)據(jù)，通過語義分析自動進行問題聯(lián)想，并羅列對用戶有幫助的分析選項。

     科研模態(tài)擴展：「國工化工大模型」的分析回答將不在局限于簡單文本模態(tài)。針對不同的機理問題的分析回答時，「國工化工大模型」多種科研模態(tài)的圖表形態(tài)進行結果展示，包括：「合成路線圖」、「分子3D結構」、「反應勢能面圖」、「過渡態(tài)回放動畫」、「能量變化曲線」、「反應演變動畫」、「配方表」、「相關度分析圖」等50種不同科研模態(tài)進行結果展示。

圖：多模態(tài)科研分析師

l「國工化工大模型」的私域安全：從“數(shù)據(jù)小偷”到“私有智囊”

    「國工化工大模型」定位于為化工細分行業(yè)的提供定制訓練、企業(yè)內私有化部署。意在解決公共大模型在企業(yè)側數(shù)據(jù)私有化訓練、企業(yè)內部系統(tǒng)集成等問題，讓化工企業(yè)不再是大模型技術的“用戶”，真正成為大模型的“訓練師”和“駕馭者”，擁有企業(yè)自身可掌控的大模型平臺。

• 數(shù)據(jù)安全性：以私有化的方式運行在企業(yè)內部，不再將研發(fā)、生產(chǎn)、運營等保密數(shù)據(jù)上傳到公有云環(huán)境，有效保護企業(yè)的數(shù)據(jù)和商業(yè)秘密，降低數(shù)據(jù)泄露風險。

• 可集成性：企業(yè)通過無縫集成企業(yè)內信息化系統(tǒng)，自動整合企業(yè)內部數(shù)據(jù)資源進行訓練自有大模型的訓練，實現(xiàn)數(shù)據(jù)庫問答，給出智能化決策意見。

• 可駕馭性：企業(yè)可利用不斷產(chǎn)生的新數(shù)據(jù)對私有大模型進行自主訓練和優(yōu)化，模型能力將更加符合企業(yè)自身業(yè)務特點、精準滿足企業(yè)自身需求，打造企業(yè)可駕馭的專屬模型。

   

    未來，化學工業(yè)的“基石”地位不會動搖。當化學工業(yè)與量子計算、AI深度融合，其內涵也正在發(fā)生根本性轉變，化學工業(yè)將從“大規(guī)模制造”轉向“精準創(chuàng)造”、從“經(jīng)驗驅動”轉向“數(shù)據(jù)智能”。

     國工智能致力于陪伴國內化工企業(yè)走出實驗的試錯沼澤，開拓化工行業(yè)本該擁有的——“數(shù)據(jù)”與“算法”的智能沃土。

l問答示例：

    計算化學描述符 humo 和lumo，與 OLED 行業(yè)中的外部量子效率(EQE)有什么關系？