【文/观察者网 阮佳琪】
近日，南京大学计算机学院官网公布消息称，美国伦斯勒理工学院计算机科学系常任轨道助理教授、AI经典教材《深度学习》（《Deep Learning》，亦被称作"花书"）中文版的主要编译者符天凡博士，已正式入职南京大学，担任计算机学院准聘副教授一职。
据港媒《南华早报》25日报道，今年32岁的符天凡于去年12月加入南京大学，他的工作重点聚焦于人工智能驱动的药物发现和材料开发。放弃美国终身教职回国，他希望能够抓住中国人工智能快速发展带来的新机遇，尤其是在制药研究方面。
符天凡告诉《南华早报》，中国对高等教育不断增长的投入为像他这样的年轻科学家创造了前所未有的机会。他说："南京大学完美融合了深厚的文化底蕴与自然科学领域的卓越领导力，该校在基础科学方面的广泛优势，为我应用人工智能加速科学发现的研究提供了一片沃土。"他补充道，在海外漂泊数年，能够回到家人身边也是促使他做出这一决定的重要因素之一。
2024年11月25日，符天凡在中北大学演讲《深度学习在药物发现和开发中的应用》。中北大学官网
根据南大官网介绍，符天凡博士的研究方向为"人工智能赋能的药物发现"（AI for Drug Discovery）、"人工智能赋能的科学发现"（AI for Science）以及大语言模型（large language model），入选中国国家级青年人才项目。他于2023年在美国佐治亚理工学院获得计算机科学与工程系博士学位，移居美国前在上海交通大学获得计算机科学与技术系学士和硕士学位。
符天凡的研究兴趣集中在深度学习驱动的药物的发现和开发，其学术成果在Nature、Nature Chemical Biology、Nature Machine Intelligence、ICML、ICLR、NeurIPS、KDD、TKDE等知名会议和期刊上发表学术论文40余篇，被国内外同行广泛引用。他在临床试验结果预测方面的研究成果已被选为Cell子刊Patterns期刊的封面文章，并且已成功应用于多家生物医药企业和互联网企业。
符天凡向《南华早报》介绍道，人工智能技术为传统科学工作流程带来的颠覆性变革。在药物研发中，过去依赖耗时且成本高昂的反复试错实验，如今借助机器学习与大数据的强大力量，能够实现加速突破。
他进一步解释说，研究人员现在无需手动测试数千种化合物，只需依据已知药物机制训练深度学习模型，便能对庞大的分子库进行虚拟筛选，精准预测出具有高效治疗潜力的候选化合物，"这大大提高了药物发现的效率和成功率。"
材料科学也在经历类似转变。过去，研究人员依靠劳动密集型实验来探索新材料的组合。现在，他们可以建立已知材料特性的大规模数据库，提取关键特征后，使用机器学习模型来预测新组合物的性能，助力科学家锁定最有潜力的候选材料进行实验测试。
符天凡说，"人工智能为科学发现提供了全新范式。无论是在制药还是在基础研究领域，它都有助于发现复杂数据中隐藏的模式，并优化实验设计。它正在重塑我们理解和应对科学挑战的方式。"
谈及中国和美国在人工智能科研领域的发展态势，符天凡认为两国各有所长。他指出，处于领先地位的美国，拥有世界一流的研究基础设施、深厚的人才储备和充满活力的创新生态系统。美国历史悠久的医药产业、丰富的临床数据资源和成熟的商业化渠道，也为科研成果从实验室迈向市场按下了"加速键"。与之相应，中国正奋起直追，强有力的政策扶持、持续增长的投资以及庞大的医疗市场，赋予了中国独特的竞争优势。
他说，"中国政府一直在积极推动生物医学和人工智能领域的创新发展。中国数量庞大的患者群体为临床研究提供了宝贵的数据，中国的科技公司同样在加速人工智能的发展。"
在南京大学，符天凡计划组建一个跨学科研究团队，成员包括计算机科学家、人工智能研究人员、化学家、生物学家和药理学家，力求加速药物开发进程中的关键环节，如药物设计和临床试验。
他说，"我计划与制药公司合作，帮助候选药物更接近市场批准。通过利用人工智能的强大力量，我们可以缩短开发时间，并降低药物发现的成本。"
