麻省理工学院材料科学与工程系副教授拉斐尔·戈麦斯-博马雷利（Rafael Gómez-Bombarelli）十余年来一直致力于用人工智能加速新材料的发现。如今，他认为AI正迎来科学领域的“第二次转折点”——从早期的表征学习和生成式AI，迈向融合语言、多模态数据与物理规律的“通用科学智能”。 戈麦斯-博马雷利的研究结合物理模拟与机器学习、生成式AI，探索材料的结构、性能与合成路径之间的关系。他的团队已成功设计出用于电池、催化剂、塑料和有机发光二极管（OLED）的新材料。他还联合创办了多家公司，包括专注于生命科学与材料科学的AI平台公司Lila Sciences，致力于构建科学领域的“超级智能”系统。 他早年在西班牙成长，曾获国际化学奥林匹克竞赛奖，本科就读于萨拉曼卡大学。博士阶段原本以实验化学为主，但在研究中逐渐被计算机模拟吸引，开始用程序模拟实验室中的化学反应。他形容编程是“组织思维的自然方式”，且不受实验设备的限制。 2014年，他在哈佛大学阿兰·阿斯普鲁-古兹克教授实验室从事博士后研究，成为最早将生成式AI应用于化学的学者之一。2016年，他带领团队开展大规模高通量模拟，通过数百万次计算筛选出数百种潜在新材料，极大提升了研发效率。 尽管创业经历让他一度不愿投身学术，但在哈佛教授的鼓励下，他于2018年加入MIT。他坦言，MIT的开放协作氛围和广阔的科研空间让他重新认识了学术研究的可能——“我过去做的只是未来更大图景中的一小部分。” 如今，他的实验室完全基于计算，不进行物理实验，但始终与实验团队紧密合作，帮助他们从AI生成的海量构想中筛选出最有潜力的方向。他强调，AI与物理模拟之间存在“良性循环”：数据越多，模型越精准，模拟越高效。 随着Meta、微软、谷歌DeepMind等科技巨头纷纷投入科学模拟，以及美国能源部启动“创世计划”（Genesis Mission）推动AI驱动的科学突破，戈麦斯-博马雷利坚信，AI正在从“可能实现”变为“科学共识”。他指出，大语言模型掌握自然语言后，正打开加速科学发现的新通道。 他倡导非竞争性的科研文化，带领一支25人左右的多元化团队，注重激发每个人潜能。如今，他已不再担心他人错过机会，反而主动鼓励学生抓住机遇——“我终于接过了那根接力棒。”