14. 科学智能 AI×Science：智算×超算融合
本章定位：AI×Science 是"智算 × 超算"的融合前沿：用 AI 的算力与模型能力，重构科学计算的精度与规模。本章一半讲科学基础模型与 AI4S 计算基础设施的工程路线，一半覆盖生命、气象、流体、材料、分子动力学、量子化学与基因组学等学科应用。
🧭 阅读地图
- 前置章节：13. 推理引擎优化 + 14. 行业应用落地——AI×Science 建立在模型工程与行业实践之上
- 本章定位：第五部 L5 终章——AI for Science：气象/生命/材料/流体等学科前沿与 AI4S 集群工程
- 推荐顺序：先 AI4S 集群与工程（算力底座）→ 学科案例（按兴趣：气象/生物/材料/CFD）→ 科学基础模型
- 下一章：无（全书终章）——建议回到 AI-HPC 融合架构总纲 复看全貌
文章目录
科学基础模型前沿：从单任务模型到通用科学模型
阅读文章 →
AI4S 集群与纯 AI 集群的五大差异：网络/精度/存储/调度/软件栈
阅读文章 →
科学基础模型分布式训练：数据模态、混合精度与并行策略
阅读文章 →
科学智能体：LLM 与 CFD/DFT/数据库等科学工具的协同推理
阅读文章 →
AI4S 可复现工作流：数据版本化、容器固化与全链路溯源
阅读文章 →
分子动力学 ML 势函数：DFT 采样、训练与 MD 引擎集成
阅读文章 →
量子化学 DFT 的 ML 代理模型：能量/密度/Hamiltonian 三条路线
阅读文章 →
AI 气象建模：从 FourCastNet 到盘古的数据/架构/训练/推理工程
阅读文章 →
基因组学并行计算：比对、变异检测的 AI×HPC 流水线
阅读文章 →
AI×生命科学：从 AlphaFold 到蛋白质设计
阅读文章 →
AI 气象前沿：盘古、GraphCast 与 FourCastNet
阅读文章 →
AI×流体力学：物理信息驱动的 CFD
阅读文章 →
AI×材料科学：从构效关系到逆向设计
阅读文章 →
工程向读者先读 AI4S 集群基础设施与分布式训练（衔接 12 章），再进科学智能体与可复现工作流；学科向读者按兴趣直入对应学科文章。
关键结论速览
AI×Science 的工程主线是"数据驱动 + 物理可证伪"：AI 负责逼近与发现，科学验证负责证伪，两者结合才能产出可信的科学结论。