近期，复旦大学智能复杂体系基础理论与关键技术实验室孙思琦团队与四川大学华西医院团队合作在国际权威期刊《科学》杂志上发表了一项突破性研究。这项研究将深度学习技术与冷冻电镜（Cryo-EM）技术结合，通过筛选具有折叠潜力的RNA序列，成功解析了天然RNA多态性组装的分子机制。本次专访复旦大学智能复杂体系基础理论与关键技术实验室孙思琦青年研究员让我们更多了解到团队在研究中的重大技术突破、跨学科研究的挑战以及未来的发展规划。
专访人物介绍
孙思琦 IICS青年研究员
孙思琦青年研究员，本科毕业于复旦大学数学系，博士毕业于TTIC研究院。2018-2022年继续在微软研究院开展研究，2022至今在复旦大学智能复杂体系基础理论与关键技术实验室担任青年研究员。致力于深度学习在生命科学和自然语言处理等交叉学科中的应用研究,并侧重于提高模型的精度和速度，解决模型在实践落地中的具体问题。在Science、 Nature子刊、ACL、EMNLP、NAACL、NeurIPS等会议和刊物上发表多篇论文,共计被引用超过7000次（据谷歌学术统计）。
问题一
团队技术研究中遇到的主要困难有哪些？
我们的研究聚焦于一个核心问题：如何利用人工智能技术突破生物大分子（如RNA和蛋白质）在结构预测与功能解析中所面临的精度与效率瓶颈。例如，在RNA结构预测中，核酸分子的动态折叠特性使其结构呈现多样性和复杂性，这给计算模型的准确性和稳定性带来了巨大挑战；而在蛋白质结构预测中，多序列比对（MSA）是提升预测精度的关键步骤。然而，构建高质量的 MSA 需要依赖同源序列的搜索，而这一过程往往耗时巨大，成为计算效率的主要瓶颈。
针对这些困难，我们重点解决了两个关键问题：提升预测精度和提高计算效率。在精度方面，我们引入了预训练和对比学习等深度学习技术，从有限的实验数据中深度挖掘序列与结构之间的潜在关联，大幅提升了模型的预测能力，有效弥补了实验数据稀缺的不足。在效率方面，我们通过优化算法设计，例如在RNA结构预测中引入几何感知注意力机制，并结合轻量化架构，实现了计算效率的跨越式提升。在保持高预测精度的同时，计算效率提高了数十倍甚至接近百倍。这些技术突破不仅推动了RNA折叠机制和蛋白质功能等基础研究的发展，还为药物设计（如靶点发现）和合成生物学（如人工酶设计）等应用场景提供了全新的可能性。
问题二
此次解决问题中团队关于交叉研究和人工智能等技术的突破主要有哪些？
研究的技术层面上，团队通过跨学科的深度融合和人工智能技术的创新，实现了多方面的突破。
深度学习模型通常需要大量数据训练才能取得较好的表现，但RNA和蛋白质的结构数据稀缺，使得目前方法在应对复杂生物分子建模问题时存在明显的局限性。我们将生物物理规律与深度学习框架相结合，开发了具有针对性的算法，以应对这些挑战。比如，在RNA折叠预测中，我们通过引入几何感知注意力机制，直接编码核苷酸的碱基配对信息和螺旋扭转角参数，从而捕捉RNA三维结构中的空间依赖性。而在蛋白质远程同源检测中，我们创新性地采用了对比学习策略，构建双编码器架构，从而最大化同源序列嵌入的相似性，同时抑制非同源干扰。这种方法在保证结构预测精度不变的情况下，显著提升了MSA搜索速度。例如，比较AlphaFold2的标准搜索流程，我们的方法在搜索速度上实现了高达93倍的提升。
此外，我们还在深度学习算法架构上实现了重要突破。以PrimeNovo为例，我们首次将非自回归Transformer架构引入蛋白质从头测序领域，并结合精确质量控制模块，实现快速且精确的蛋白质序列预测。这种设计避免了自回归模型的错误累积问题，极大提升了肽序列召回率。这些技术创新改善了生物大分子研究中的计算复杂度问题，进一步推动了人工智能在生命科学领域的应用。
问题三
关于交叉领域青年师生在研究中可能面临的门槛，您能否给出一些建议？
交叉学科研究的确为学术发展提供了广阔的空间，但对青年师生来说，也伴随着不小的挑战。首先是知识体系的局限性。由于各学科之间的专业知识存在差异，很多青年师生虽然在本专业有扎实的基础，但对其他领域的知识可能较为陌生，因此难以深入开展更高水平的研究或实践。对此，我建议培养大家的跨学科思维能力，比如通过选修或自学关联学科的基础课程来扩展知识面，还可以积极参加跨学院或跨专业的工作坊和学术交流活动。此外，与不同专业背景的师生合作也是一种有效方式。在合作中，他们能够吸收交叉领域的新知识、方法和工具，从而逐步完善对其他学科的认知结构。
交叉研究需要多学科合作，团队协作和资源整合的难度也很大。不同背景的成员可能有着不同的思维方式，这对团队沟通和效率提出了更高的要求。可以建议组建多元化的团队，明确每位成员的分工与责任，让大家都能充分发挥各自的领域优势。同时，建立畅通的沟通机制，比如定期的例会或线上讨论群，及时反馈和共享数据进展。
成果评价与认可度也是一个重要问题。交叉学科研究往往涉及多个学科的评价标准，但传统学术界的评审体系可能更倾向于单一学科的成果，这让交叉领域的成果获得认可变得更加复杂。我觉得青年师生在研究中不要局限于“学科边界”来衡量学术价值，而是积极面向多学科期刊或跨领域会议投稿，同时尝试多样化的研究输出，比如除了高水平学术论文，还可以注重行业应用或社会价值的体现。此外，可以与真正关注交叉领域研究的同行或评审专家建立联系，这样不仅利于成果推广，也有助于形成更广泛的合作网络。
问题四
能否跟大家分享一些智能复杂体系基础理论与关键技术实验室目前关于交叉学科的布局设想？
实验室目前已经在交叉学科研究领域取得了一些基础性成果，依托复旦大学丰富的多学科资源，在复杂系统理论与建模、学科交叉研究等方向开展了深入研究。基于这些研究积累，未来可以进一步推动交叉学科的布局，围绕研究方向、人才培养和合作机制进行全面发展，以实现更大的科学价值和社会效益。
在研究方向上，实验室将继续加强数学与人工智能相结合的基础理论研究，深入探讨机器学习、优化算法等关键问题，为人工智能技术提供更坚实的理论支撑。同时，聚焦生物医学与工程的深度融合，探索基于复杂系统建模的疾病诊断和治疗策略，助力精准医疗的发展。
交叉学科的发展离不开高质量的人才培养。实验室可以通过构建跨学科的研究生培养体系，为学生提供更加多元的学习平台，鼓励他们涉猎数学、物理、生物、计算机等多个学科，拓宽学术视野。在科研实践中，通过多学科背景的导师团队，引导学生开展跨领域的研究，增强解决复杂问题的能力。同时，实验室可以为学生提供更多参与跨学科联合项目的机会，帮助他们在实际项目中体验学科融合的价值，并培养团队协作能力。
此外，交叉学科的研究需要多方协同合作。实验室可以建立跨学科研究团队，吸引来自不同领域的研究人员共同攻关重大科学问题。同时，加强与校内其他院系及国内外科研机构的合作，推动资源共享与团队协同创新。在此基础上，还可以深化与产业界的合作，通过需求导向的应用性研究，将科研成果转化为实际的社会价值，为企业提供智能复杂系统领域的创新方案。
通过此次专访，孙老师不仅为大家分享了团队攻克技术难题的关键思路，也为交叉领域青年师生提供了宝贵的经验与实用建议。相信实验室和实验室的各个科研团队未来在科研道路上持续深耕，能够取得更多具有国际影响力的成果，为交叉学科领域注入源源不断的活力。也期待此次访谈内容，能为更多科研工作者、高校师生带来启发，吸引更多力量投身于交叉学科的探索，共同推动科研事业迈向新的高度。
