传统的科研范式只有两种，就是理论和实验。电子计算机出现以后，逐渐产生了第三种研究范式：计算模拟。我自己的专业就是"理论与计算化学"，所以我很熟悉这种说法。我们经常说，计算已经跟理论、实验鼎足而三，成为了一种标准的研究范式。仔细想想，这是因为计算模拟的结果跟纯理论相比，它是一种数值实验；而跟真正的实验相比，它又成理论了。所以通过计算模拟，能够发现以前无法想象的规律。
而现在明显的趋势就是，人工智能成了第四种范式。任何一个科学领域如果不跟AI结合一下，都不好意思跟人打招呼。很多人对AI的关心集中在"AI能不能超越人，会不会统治人类，我们离天网还有多远"这种哲学问题上，然后争论不休。但实际上，AI for science已经取得了很多实实在在的成果。
在诺贝尔奖主页给出的科普材料（
https://www.nobelprize.org/prizes/physics/2024/popular-information/）中，举了五个例子：发现希格斯粒子，因为需要AI来筛选大型对撞机上产生的数以亿计的粒子碰撞记录；探测引力波，因为需要AI来排除各种各样的噪声，例如有辆卡车经过或者有人跺一脚，剩下的才是极其微弱的来自宇宙的引力波信号；寻找地外行星；预测蛋白质结构；寻找太阳能电池材料。
在这里特别值得说一下预测蛋白质结构，即所谓"蛋白质折叠"问题。它的意思是，给定蛋白质的氨基酸序列，预测这些原子排布成什么样的空间结构。这原本是一个主要依靠实验的领域，需要大量的人力物力和时间。历史上有好几位科学家，因为解析出一种蛋白质的结构就得了诺贝尔奖。然而近年来出现一个神奇的软件AlphaFold，就是下围棋的AlphaGo那同一个团队DeepMind做的，这个软件一下子把蛋白质结构预测的精度提高了好几个级别，对于绝大多数蛋白质都预测得非常准。结果这个领域变成了计算主导的，人类的蛋白质结构库出现了爆炸式的增长。
