对话汪林望教授：科研应该是一件治愈人心的事情

汪林望：我从1988年开始正式从事DFT研究。当时我在美国康奈尔大学（Cornell University）读学位，最初专注于大规模计算和无轨道方法(orbital-free methods)，并发展了wang-teter kinetic energy functional。说实话，选择这个方向有点"意外"——我那时对神经网络和生物学很感兴趣，花了很多时间研究大脑皮层和神经元工作原理。但找导师时，那些做凝聚态物理的导师很多都去了俄亥俄州立大学，最后我找到了一位还在招人的导师，就这样进入了DFT领域。

汪林望：是的，我们在2013年就开始将平面波密度泛函方法(plane-wave DFT)移植到GPU上，开发了PWmat软件。当时我们是最早的一批做GPU开发的团队之一。我记得每年去参加NVIDIA的GTC(GPU Technology Conference)开发者会议时，参会者只有十几二十人，而现在呢？人山人海！

汪林望：AI在材料科学中有多种应用，但我要强调——AI是材料模拟的工具，而非替代品。我们公司主要做了几个方向：

• AI科研助理：基于RAG(Retrieval-Augmented Generation)技术构建知识库，将数万篇论文转化为矢量知识库。提问时，系统会分析问题，检索相关论文并进行总结，还能判断是否完全回答了问题；

• 数据挖掘与预测：利用机器学习进行材料属性预测和筛选。DFT提供了标准化数据，是AI模型训练的重要基础；

• 机器学习力场(MLFF)：让分子动力学模拟速度提升上万倍。以前做AIMD很慢，现在用机器学习力场可以快速模拟；

• 自动化实验：AI可以指导实验方向，告诉研究人员"接下来应该做哪个实验"。

汪林望：QStation（详细介绍🔗）是我们为实验科学家设计的"计算家电"。很多实验组的学生做计算太惨了，出去找人做计算容易被忽悠。我们的目标是让不熟悉第一性原理计算(first-principles calculation)的实验人员也能轻松上手。

QStation包含两个核心部分：

硬件：一台大多数实验组都能负担的专用机器；

软件Q-Studio+Q-Flow：强大的建模加一键计算工具，我们称之为"微波炉"——你只需放入材料，按下按钮，就能得到结果。

我们把复杂的计算模拟'家电化'。就像微波炉，你不需要知道电磁波如何加热食物，只需放入食物、设定时间、按下按钮。QStation让实验科学家无需深入学习DFT理论，只需要你买一台“微波炉”，只要看一下按钮图形，就知道按哪个按钮，不必学习半天使用说明书也能进行专业计算。

Q-Studio+Q-Flow的主要功能：

直接访问Materials Project等数据库

AI 辅助模型搜索：打一段文字进去，它就能找到你需要的按钮，也可以提供一些预建立的结构模型，一键添加氢原子、机器学习弛豫等高级功能；

BI 一键式计算：得到结构后，对很多材料特性可以一键式计算，没有繁琐流程。

汪林望：科研应该是一件治愈人心的事情。你的对手不应该是同门师兄发了多少篇论文，而应该是自然本身。最让你开心的事情应该是解释了一个现象，或者开发了一个新算法——以前不能算的，现在我们能算了。

我希望大家静下心来做科研，你有一个梦想要做成一件事，你的敌人应该是你面对的自然，最开心的事情是你解释了一个现象，或者你开发了一个新算法。

汪林望：国内科研"卷"得太厉害。我建议大家保持独立思考——不要盲目跟风，避免"全民做AI for Science"的类似现象；选择有前景的方向——找一个能长期投入、有特色的方向，避免"内卷"陷阱，不要只追求短平快，要有自己的思考和特色。

汪林望：现在企业对计算模拟人才的需求日益增长。随着中美科技竞争加剧，很多企业必须自主研发，纷纷成立研究院。他们不仅需要做实验的人，也需要做理论的人。龙讯旷腾就与多家企业合作，提供计算工具和解决方案。未来5-10年，计算材料学在企业中的应用会大幅增长。我们看到越来越多的企业意识到，理论计算能大幅缩短研发周期，节省实验成本。