今天的议题有关于新兴领域，人工智能的快速发展正在改变着各行各业，也成为智能分子工程服务于高端化学和新能源领域，周教授让几位学生轮流汇报自己的文献调研结果。袁晞排在第三个，她主要介绍了一款药物设计的生成模型。
人工智能技术能有效缩短药物研发时间，降低研发成本。袁晞站在投影幕布前，声音平稳，条理清晰，2018年苏黎世联邦理工学院就已经开展了测试分子模型的工作，这是我从《nature biotechnology》摘录的一篇文章。
她翻到下一页ppt，指着一张能谱图继续解释，
ddr1抑制剂训练的生成模型合成了六个分子，在这六个分子中，四个具有生物活性，在随后的药代动力学研究中——
我有个问题。一个声音突然打断了她。
袁晞抬起头，看到坐在斜对面的陈立阳推了推那副沉重的黑框眼镜。
陈立阳是博一的学生，比袁晞高一届，野心勃勃。他本科是保送的，成绩一直名列前茅，进组以后却发现自己在袁晞面前总是矮了一截。周教授对袁晞的赏识是明摆着的——课题组里最重要的项目、最好的实验资源，都优先给了袁晞。
这让陈立阳心里很不是滋味。
请说。袁晞的语气平静。
陈立阳往椅背上一靠，摆出一副居高临下的姿态：以现有化学相关的数据库水准，根本满足不了人工智能的算法，所有的数据都是已经发表的成功案例，ai算出来的东西偏差率超过50%，而且，ai能读懂图谱吗？
他说完，看了看周围的同学，嘴角微微上扬，似乎对自己这个刁钻的问题很满意。
教室里安静了几秒，其他几个同学面面相觑，袁晞还没有讲完，陈立阳就急着提问题，多少有点不礼貌，但周教授没有制止，似乎在等袁晞会如何应对。
袁晞神色如常，眼底却流露出淡淡的不屑：关于这点，国内的研究团队已经提出了理论大数据加实验小数据的融合策略。
陈立阳的笑容僵了一瞬。
高通量理论计算模拟生成的大量数据可以用于训练模型，再用真实的实验数据进行校准，4月份国内已经发布了能够识别视觉插件的多模态大模型。
袁晞走到白板前，拿起马克笔，开始画分解图：今天我讨论的是未来的实验室如何实现设备、流程、数据的全面智能化。
周教授端详着袁晞的板书，频频点头，他看了陈立阳一眼，语气里带着几分意味深长：做研究最忌讳的，就是一知半解就急着下结论