Voici « Dasheng », le Super Research Partner ! La plateforme Xinghe Qizhi, centrée sur les scientifiques, fait l’objet d’une refonte complète

Cet après-midi (1er mars), l’Académie de Shanghai pour l’IA au service de la science (ci-après « SAIAS »), en partenariat avec l’université Fudan, a organisé à Mosu Space, dans le district de Xuhui à Shanghai, la conférence de lancement du Partenaire de recherche superpuissant Xinghe Qizhi.

Cet événement marque une montée en gamme complète de la plateforme ouverte d’IA pour la science Xinghe Qizhi (ci-après la « plateforme Xinghe Qizhi »). Sur la base de ses capacités existantes couvrant l’ensemble du processus d’IA pour la science, la plateforme ajoute un agent intelligent à forte autonomie dédié à l’exploration scientifique, dont le « Super Research Partner Dasheng » constitue le support central, afin de faire évoluer les paradigmes de la recherche.

Repris de Shanghai Science et Technologie

Cet après-midi (1er mars), l’Académie de Shanghai pour l’IA au service de la science (ci-après « SAIAS »), en partenariat avec l’université Fudan, a organisé à Mosu Space, dans le district de Xuhui à Shanghai, la conférence de lancement du Partenaire de recherche superpuissant Xinghe Qizhi.

Cet événement marque une montée en gamme complète de la plateforme ouverte d’IA pour la science Xinghe Qizhi (ci-après la « plateforme Xinghe Qizhi »). Sur la base de ses capacités existantes couvrant l’ensemble du processus d’IA pour la science, la plateforme ajoute un agent intelligent à forte autonomie dédié à l’exploration scientifique, dont le « Super Research Partner Dasheng » constitue le support central, afin de faire évoluer les paradigmes de la recherche.

Jin Li, président de l’université Fudan, et Zhang Ying, secrétaire général adjoint du gouvernement municipal de Shanghai, ont assisté à l’événement et pris la parole. Étaient également présents Xu Zheng, vice-président exécutif de l’université Fudan ; Gong Xingao, président du comité académique de l’université Fudan et académicien de l’Académie chinoise des sciences ; Ding Xiaodong, secrétaire du comité du Parti et vice-président exécutif de l’Institut d’innovation de Shanghai ; Pan Yan, directeur adjoint de la Commission municipale de l’économie et de l’informatisation de Shanghai ; Qu Wei, directeur adjoint de la Commission municipale des sciences et technologies de Shanghai ; Zhao Zhen, directeur adjoint de la Commission municipale de l’éducation de Shanghai ; Lei Xiaotu, directeur adjoint du service météorologique de Shanghai ; Chen Yong, maire adjoint du gouvernement du district de Xuhui ; Li Xin, vice-président de Shanghai State-owned Capital Investment Co., Ltd. ; Liu Shanquan, vice-président de Shanghai Yidian (Group) Co., Ltd. ; Zhou Lei, vice-président de l’université Fudan ; Wu Fan, vice-président de la faculté de médecine de Shanghai de l’université Fudan ; Zhu Tongyu, vice-président de la faculté de médecine de Shanghai de l’université Fudan ; ainsi que d’autres responsables d’unités concernées et des représentants d’entreprises.

 

01

Des jeunes scientifiques aux commandes de la R&D

Le système de capacités « 72 transformations » de Dasheng

 

À mesure que s’accélère la transformation des paradigmes de la recherche scientifique portée par l’IA, celle-ci est passée du statut de simple outil d’assistance à celui d’acteur central de la découverte scientifique. Plateforme ouverte d’IA pour la science, centrée sur les scientifiques et couvrant toute la chaîne, la plateforme Xinghe Qizhi affronte les nouveaux défis de l’IA pour la science et lance le « Super Research Partner Dasheng », qui complète encore les capacités clés déjà disponibles.

 

La plateforme Xinghe Qizhi a été officiellement lancée en juillet dernier. Autour de parcours de recherche réels, elle a bâti de manière systématique une infrastructure d’IA pour la science couvrant toute la chaîne — données, modèles, puissance de calcul, expérimentation, raisonnement et collaboration — et a constitué une boucle de recherche intelligente intégrée « données – modèles – puissance de calcul – expérimentation – agents – communauté ».

Au cours des sept derniers mois, les capacités de la plateforme n’ont cessé d’évoluer, avec des résultats notables. La SAIAS, avec l’université Fudan et d’autres universités et instituts de recherche, a réalisé des percées systémiques dans plusieurs disciplines sur la plateforme Xinghe Qizhi, faisant émerger un écosystème d’IA pour la science de « recherche et cocréation collectives ».

 

Pourtant, à mesure que les capacités de l’IA progressent par bonds, les problèmes de fond de l’IA pour la science évoluent eux aussi. Le défi n’est plus de savoir si les modèles sont assez puissants, mais comment, sous contraintes professionnelles, permettre à des agents d’accomplir l’ensemble d’un processus de recherche avec une forte autonomie.

Sur cette base, la plateforme Xinghe Qizhi a fait l’objet d’une refonte complète, avec le lancement du « Super Research Partner Dasheng ».Grâce à cet agent à forte autonomie, « Dasheng », les scientifiques peuvent formuler en langage naturel l’orientation d’une tâche de recherche ; Dasheng prend les décisions de manière centralisée, décompose les tâches, coordonne l’exécution collaborative de plusieurs agents et accumule une mémoire structurée tout au long du processus ; grâce à un mécanisme de communication à deux niveaux et de gouvernance des branches, les instructions ambiguës sont isolées tout en préservant la clarté de l’organisation du système, ce qui évite toute désorganisation des parcours dans les tâches complexes.

Conçu autour de scénarios de recherche réels, « Dasheng » dispose de capacités professionnelles au niveau système qui ne cessent d’évoluer.Pour remédier aux lacunes des grands modèles généralistes en matière de raisonnement sur les modalités scientifiques, « Dasheng » utilise « Shenzhen », modèle de base multimodal scientifique, comme « cerveau », en se concentrant sur l’entrée et la génération de multiples modalités scientifiques, l’alignement multimodal scientifique et la capacité d’auto-réflexion du modèle. Le modèle peut lire directement des informations structurelles, de séquence et de champ et les restituer sous forme de structures ou de graphes ; le langage naturel fait office de couche d’orchestration, coordonnant les modalités complexes et les processus de raisonnement.

 

Il convient de souligner que le modèle Shenzhen atteint l’état de l’art actuel du secteur en matière de compréhension et de raisonnement scientifiques textuels (comparé à Gemini 3 Pro, GPT-5, NatureLM, etc.), qu’il est à égalité avec les modèles spécialisés pour la compréhension et la génération d’ARN et qu’il dispose en même temps de capacités de raisonnement à la fois textuelles et sur les modalités scientifiques.

 

L’une des principales difficultés que rencontrent aujourd’hui les scientifiques dans l’usage de l’IA pour la recherche est l’absence de « capacités réellement utilisables » capables de couvrir de longs processus, plusieurs étapes et de multiples sources de données.Pour y répondre, « Dasheng » dispose d’un système de Skills (compétences) destiné à de nombreux scénarios de recherche, qui transforme les capacités clés en sous-processus exécutables : il sait décomposer les étapes, mobiliser la puissance de calcul et les ressources de modèles et faire évoluer les parcours de manière itérative jusqu’à une exécution en boucle fermée.

Les outils d’IA actuels rencontrent des difficultés de mémoire dans la collaboration multi-agents et sont sujets à la propagation des erreurs, à l’écrasement d’informations et aux reprises. La recherche, elle, exige une mémoire collective : préserver la mémoire de consensus exact, conserver la mémoire des désaccords et des échecs et permettre la fusion et l’optimisation des mémoires.S’inspirant de la gestion des branches Git dans le développement logiciel, « Dasheng » construit une architecture de mémoire collective à branches multiples capable de soutenir une collaboration de longue durée entre plusieurs agents.Dans cette architecture, les théories établies constituent le tronc, tandis que les pistes innovantes évoluent en parallèle sur des branches indépendantes, ce qui isole les multiples parcours et les conserve intégralement ; les branches ayant échoué capitalisent l’expérience, les résultats probants sont fusionnés dans le tronc par des fusions maîtrisées, la connaissance collective progresse continuellement et les données comme l’expérience sont réutilisables d’un scénario à l’autre.

Lorsque l’IA pénètre profondément les scénarios de recherche, ses capacités doivent s’exercer dans le respect des règles.« Dasheng » fait des agents de recherche sûrs et de confiance un « cercle d’or » qui garde les frontières de la sécurité de la recherche. Une architecture de sécurité systématique garantit que « les données ne sortent pas et que les tâches peuvent entrer » : les Skills assurent la sécurité des contenus et protègent la propriété intellectuelle de la recherche, le Sandbox assure la sécurité de l’environnement d’exécution et MCP la sécurité des services, avec une protection à chaque niveau. Les chercheurs peuvent réaliser la validation de modèles, les tests de processus et l’exécution d’agents de recherche dans un environnement Sandbox massif nativement intégré, le système gérant automatiquement les autorisations et le cycle de vie des ressources pour permettre des essais à moindre coût et une validation rapide ; les résultats matures migrent ensuite en douceur vers l’environnement de calcul officiel.

 

En matière de sécurité de la collaboration, la plateforme explore en outre le mécanisme « Safe Agent on Chain » (interconnexion sécurisée des agents), qui inscrit la décomposition des tâches, les traces d’exécution et la génération de résultats dans des enregistrements en chaîne dont la propriété est attestable et vérifiable. La combinaison du calcul confidentiel et de la conservation de preuves avec traçabilité encourage les chercheurs à oser et à vouloir partager leurs données de recherche, accélérant la circulation des données de recherche à forte valeur.

En outre, s’appuyant sur l’exploration autonome des agents et une orchestration intégrée matériel-logiciel, « Dasheng » propose une boucle scientifique globale « du ciel au corps humain ».Grâce au « Laboratoire de la vie » et au « Laboratoire de calcul céleste », pilotés de manière autonome, elle réalise une validation physique intégrant macro et micro, par tous les temps et à toutes les échelles.L’expression « monter au ciel » désigne le fait de pousser la capacité de calcul vers les frontières de l’observation spatiale. Le Laboratoire de calcul céleste travaille sur des modèles de bout en bout, des ordinateurs intelligents embarqués, de nouvelles charges utiles et la mise en réseau entre satellites afin d’améliorer l’exploitation en temps réel des données spatiales et l’efficacité des prévisions météorologiques. L’expression « entrer dans le corps » désigne le fait de pénétrer à l’intérieur du vivant pour discerner les lois des manifestations humaines aux échelles macro et micro. Au Laboratoire de la vie, le système fonctionne selon un mécanisme « calcul – validation – mise à jour » et relie logiciel et matériel en boucle fermée grâce à l’apprentissage par renforcement, si bien que le modèle gagne en intelligence à mesure qu’il apprend.

 

Sur place, plusieurs jeunes chercheurs ont démontré en direct au public les capacités professionnelles au niveau système des « 72 transformations » de « Dasheng ».Plusieurs de ces capacités sont déjà en usage réel et atteignent même le niveau de pointe du secteur ; elles devraient prendre encore plus de valeur à l’avenir.

 

02

S’appuyer sur la plateforme Xinghe Qizhi

Faire prospérer l’écosystème de l’IA pour la science

 

 

Lors de la conférence, la piste d’innovation du 4e Concours mondial d’IA pour la science — le Challenge CNS des agents AI4S — a été dévoilé le même jour et les inscriptions sont ouvertes.Organisé par la SAIAS et l’université Fudan, le concours porte sur les agents de recherche autonomes : les agents participants doivent, sans aucune intervention humaine, réaliser de manière autonome la compréhension de la littérature, la refonte de code, la formulation d’hypothèses, la validation expérimentale et l’itération des résultats, puis, sur cette base, défier et dépasser l’état de l’art (SOTA) des travaux publiés dans des revues de premier rang telles que CNS et des recherches de niveau équivalent.

Le concours se déroulera en trois étapes — préliminaire, demi-finale et finale — avec quatre tâches : l’optimisation du criblage virtuel de médicaments à l’échelle du génome, une boucle fermée de conception de molécules ciblées et de planification de rétrosynthèse, un défi de génération d’ensembles conformationnels de protéines et l’amélioration automatique des opérateurs neuronaux.

Afin d’accélérer l’innovation scientifique et technologique et la création de valeur industrielle, la SAIAS a lancé, à son initiative, un « camp d’accélération » en IA pour la science.En tant que mécanisme de coordination important au sein de l’écosystème Xinghe Qizhi, le camp vise à bâtir un modèle de recherche organisé intégrant profondément universités, instituts de recherche et entreprises ; il met l’accent sur un travail conjoint dans « le même espace, au même moment et autour du même objectif », en permettant aux scientifiques, aux experts en IA et aux ingénieurs de définir ensemble les problèmes, d’établir ensemble les voies techniques et de faire évoluer ensemble les modèles, afin d’accélérer le processus de découverte scientifique. Dès la première session, 86 équipes pluridisciplinaires ont candidaté et 25 ont été retenues, en lien avec l’université Fudan et d’autres institutions, couvrant des domaines tels que l’environnement, la Terre, les matériaux, le vivant et les sciences juridiques.

En outre, afin de faire avancer la valorisation des résultats de l’IA pour la science, la SAIAS a signé lors de la conférence des accords de coopération stratégique avec plusieurs entreprises et institutions, dont Shanghai State-owned Capital Investment Co., Ltd. et Shanghai Yidian (Group) Co., Ltd., afin de renforcer les liens entre des maillons clés tels que la coordination des capitaux, la valorisation de l’innovation, l’approvisionnement en données, les modèles de pointe et la communauté ouverte, et de bâtir un écosystème complet.


Source : université Fudan

Édition : Shi