基础研究|“把问题底层原理搞清楚”就是基础研究( 二 ) 程序特征|蛋白质结构预测|探测

要搞清楚底层原理并不容易，这需要一整套CPU架构设计基础设施的支撑（程序特征分析技术、设计空间探索技术、高精度模拟器、系统仿真技术、验证技术等），还需要对大量程序特征进行分析，需要收集大量原始数据，需要大量细致的量化分析，需要大量的模拟仿真……
【基础研究|“把问题底层原理搞清楚”就是基础研究】某种程度上，相较于原型系统，平台/材料/试剂/设备/仪器等科研基础设施是更重要的输出。只有具备这些，才能不断深入探索各种现象的底层原理，才能支持后续的迭代优化，同时才能持续培养人才。
基础研究与工程开发相互交融
基础研究和工程技术并不是简单的二元对立。相反，在很多领域基础研究和工程开发是交融在一起的。出现这种交融是因为很多研究所需要的科研基础设施，如新平台、新设备、新流程都需要工程投入。即使是探测引力波、希格斯粒子这样的基础研究，也需要工程投入研制仪器设备。一旦有了这类科研基础设施，其他人开展科研就会容易很多。
美国基础研究很强，其中一个原因在于有不少学者在大学和企业研究院里建设这些科研基础设施。比如在CPU芯片设计领域，有GEM5模拟器、CACTI模型、FireSim仿真平台等一系列基础设施，这可以让其他大学的学者更容易开展研究。因此，有一些学者认为基础研究不需要工程，主要还是因为有人已经帮他们把底层的科研基础设施搭建完善，让他们可以更容易地去做优化，更容易发表论文。
美国的很多科技企业内部也会构建一套和学术界总体上打通的科研基础设施（有开源共享的、有内部自研的）。将业务需求和内部数据导入到企业的科研基础设施中，能很容易消化学术界产生的新想法，集成到企业的产品中。因此，打通的基础设施加上人才流通，这是美国学术界—产业界形成“创新想法—得到应用—收集反馈—新的创新想法—得到新的应用”这个闭环的重要原因。
中国的学术界—产业界之间尚未形成这种高效的闭环，大多数企业还没有和学术界打通的科研基础设施。所以对于中国学术界来说，更需要参与科研基础设施的建设，尤其是和企业一起来补科研基础设施的这一课。
基础研究也需要管理与组织
虽然很多基础研究是纯理论探索，几个人的小团队甚至一个人便可开展，但也有很多基础研究需要大团队，需要管理与组织，例如探测希格斯粒子、观测引力波等。
美国国防部高级研究计划局（DARPA）资助了很多颠覆性创新项目。观察DARPA项目的立项与执行过程，我们可以看到一些共性特征：首先会畅想未来，设立激进的目标；科学地把激进目标分解为一系列子任务；制订具体子任务的实施计划，包括目标、时间节点等；子任务最后要集成到一个原型系统中。
“项目主管”会负责上述4个任务，具有绝对的项目决策权，同时也对项目负责，相当于抓总。大量实践证明，这种科研组织管理模式具有很高的效率。
这种模式对基础研究也有效。以清华大学类脑计算研究中心为例，该中心于2014年成立，成员来自清华大学不同院系。他们的研究模式类似DARPA，整个团队围绕“天机”类脑芯片开展全栈研究，并集成到自动驾驶自行车系统中，形成具有很好显示度的科研成果，同时也把清华的类脑计算学科建立了起来。
回到本文开头的问题：AlphaFold算基础研究吗？
根据本文的讨论，我们可以得出如下结论：第一，AlphaFold研发过程中面临很多未知的问题，把“问题的底层原理搞清楚”，需要基础研究；第二，AlphaFold是蛋白质结构预测领域的科研基础设施，它本身就属于蛋白质结构预测领域基础研究的一部分。

基础研究|“把问题底层原理搞清楚”就是基础研究( 二 )

猜你喜欢