近日，南京大學計算機學院官網公布消息稱，美國倫斯勒理工學院計算機科學系常任軌道助理教授、AI經典教材《深度學習》（《Deep Learning》，亦被稱作「花書」）中文版的主要編譯者符天凡博士，已正式入職南京大學，擔任計算機學院準聘副教授一職。

據港媒《南華早報》25日報道，今年32歲的符天凡於去年12月加入南京大學，他的工作重點聚焦於人工智能驅動的藥物發現和材料開發。放棄美國終身教職回國，他希望能夠抓住中國人工智能快速發展帶來的新機遇，尤其是在制藥研究方面。

符天凡告訴《南華早報》，中國對高等教育不斷增長的投入為像他這樣的年輕科學家創造了前所未有的機會。他說：「南京大學完美融合了深厚的文化底蘊與自然科學領域的卓越領導力，該校在基礎科學方面的廣泛優勢，為我應用人工智能加速科學發現的研究提供了一片沃土。」他補充道，在海外漂泊數年，能夠回到家人身邊也是促使他做出這一決定的重要因素之一。

根據南大官網介紹，符天凡博士的研究方向為「人工智能賦能的藥物發現」（AI for Drug Discovery）、「人工智能賦能的科學發現」（AI for Science）以及大語言模型（large language model），入選中國國家級青年人才項目。他於2023年在美國佐治亞理工學院獲得計算機科學與工程系博士學位，移居美國前在上海交通大學獲得計算機科學與技術系學士和碩士學位。

符天凡的研究興趣集中在深度學習驅動的藥物的發現和開發，其學術成果在Nature、Nature Chemical Biology、Nature Machine Intelligence、ICML、ICLR、NeurIPS、KDD、TKDE等知名會議和期刊上發表學術論文40余篇，被國內外同行廣泛引用。他在臨床試驗結果預測方面的研究成果已被選為Cell子刊Patterns期刊的封面文章，並且已成功應用於多家生物醫藥企業和互聯網企業。

符天凡向《南華早報》介紹道，人工智能技術為傳統科學工作流程帶來的顛覆性變革。在藥物研發中，過去依賴耗時且成本高昂的反覆試錯實驗，如今借助機器學習與大數據的強大力量，能夠實現加速突破。

他進一步解釋說，研究人員現在無需手動測試數千種化合物，只需依據已知藥物機制訓練深度學習模型，便能對龐大的分子庫進行虛擬篩選，精準預測出具有高效治療潛力的候選化合物，「這大大提高了藥物發現的效率和成功率。」

材料科學也在經歷類似轉變。過去，研究人員依靠勞動密集型實驗來探索新材料的組合。現在，他們可以建立已知材料特性的大規模數據庫，提取關鍵特征後，使用機器學習模型來預測新組合物的性能，助力科學家鎖定最有潛力的候選材料進行實驗測試。

符天凡說，「人工智能為科學發現提供了全新範式。無論是在制藥還是在基礎研究領域，它都有助於發現覆雜數據中隱藏的模式，並優化實驗設計。它正在重塑我們理解和應對科學挑戰的方式。」

談及中國和美國在人工智能科研領域的發展態勢，符天凡認為兩國各有所長。他指出，處於領先地位的美國，擁有世界一流的研究基礎設施、深厚的人才儲備和充滿活力的創新生態系統。美國歷史悠久的醫藥產業、豐富的臨床數據資源和成熟的商業化渠道，也為科研成果從實驗室邁向市場按下了「加速鍵」。與之相應，中國正奮起直追，強有力的政策扶持、持續增長的投資以及龐大的醫療市場，賦予了中國獨特的競爭優勢。

他說，「中國政府一直在積極推動生物醫學和人工智能領域的創新發展。中國數量龐大的患者群體為臨床研究提供了寶貴的數據，中國的科技公司同樣在加速人工智能的發展。」

在南京大學，符天凡計劃組建一個跨學科研究團隊，成員包括計算機科學家、人工智能研究人員、化學家、生物學家和藥理學家，力求加速藥物開發進程中的關鍵環節，如藥物設計和臨床試驗。

他說，「我計劃與制藥公司合作，幫助候選藥物更接近市場批准。通過利用人工智能的強大力量，我們可以縮短開發時間，並降低藥物發現的成本。」

【本文轉載自《觀察者網》】