2026年6月3日至5日，人工智能分子合成与催化研讨会（AIM-S&C）在清华大学生物医学馆成功举办。本次研讨会由清华大学化学系基础分子科学中心主办，旨在促进人工智能技术与分子合成、催化、逆合成规划及自动化实验等领域的深入融合。会议汇聚了来自有机合成、计算化学、人工智能、药物研发、生物合成与自动化实验等多个方向的专家学者，共同探讨人工智能如何深入化学合成核心环节的关键议题。

程津培院士致辞

罗三中教授致辞

李水清教授致辞

在会议开幕式上，程津培院士、清华大学科研院副院长李水清教授以及基础分子科学中心主任罗三中教授在致辞中指出，人工智能正以前所未有的速度进入化学研究领域。然而，由于化学问题具有高度离散性及实验条件的复杂性，模型所推荐的合成路线是否具备可行性，仍需依赖化学家的专业判断。一条优秀的合成路线，不仅需要精准预测，更应满足可实验、可验证、可迭代的要求。

未来 AI 合成的发展离不开既理解人工智能又理解化学问题的人才和协作生态。本次会议希望通过专家报告和圆桌讨论，聚焦“可执行路线”“可信数据”“实验闭环”和“全合成压力测试”，为化学 AI 研究提供共识与方向。

与会报告专家

圆桌讨论

开幕式后，AIM-S&C 人工智能分子合成与催化研讨会正式进入学术报告与圆桌讨论环节。会议围绕“AI 逆合成走进真实全合成”“AI 合成的知识、数据与基础模型”“从 AI 预测到化学落地”以及“全合成：AI 的终极试金石”四个主题展开。Bartosz A. Grzybowski 教授、唐叶峰教授、雷晓光教授、陈华钧教授、于天舒教授、谢昌谕教授和李昂教授等八位专家学者分别分别从 AI 逆合成、天然产物全合成、化学合成与生物合成融合、科学大模型、可信数据、机制增强机器学习、机制洞见与机器学习协同驱动的结构-性能关系预测以及复杂全合成策略等角度作了精彩报告。

与会专家围绕 AI 合成化学的核心挑战展开了深入交流。大家认为，AI 合成研究正在从单纯追求 top-k 准确率和模型预测指标，逐步走向真实可执行的合成路线设计。可信 AI 合成不仅需要更强的模型，也需要高质量数据、专家标注、负样本反馈、反应条件信息和实验闭环。圆桌讨论进一步聚焦“什么是好的逆合成路线”“可信 AI 合成缺少哪些数据与知识”“AI 预测如何走向实验验证”以及“AI、自动化与全合成未来五年路线图”等问题，强调 AI 应成为合成化学家的有力工具，帮助化学家提升路线设计效率、拓展反应探索空间，并在复杂天然产物全合成等真实挑战中接受检验。

王梅祥院士作闭幕致辞

程津培院士作闭幕致辞

王梅祥院士和程津培院士先后在闭幕式上致辞。他们强调AI 应作为化学研究的工具和手段，而非替代化学家的实验判断与创新。会议特别鼓励年轻学者拥抱新技术，思考未来二十年如何在 AI 时代提出科学问题、创造研究方法和探索未知空间。全合成仍是化学思维与实验操作的重要训练，而 AI 的发展应与化学智慧协同，推动科研创新。

会议虽告一段落，但人工智能与分子合成、自动化的深度融合探索才刚刚拉开序幕。围绕可执行路线、可信数据、实验闭环、全合成压力测试以及未来路线图的持续讨论，将为化学人工智能的未来发展不断注入方向与启发。

与会专家合影留念