如何更科学地研究AI+科学?顶级学者将云集这次ICML研讨会

2022 年 3 月 29 日 图与推荐

如何更科学地研究AI+科学?顶级学者将云集这次ICML研讨会


提到AI,你首先会想到什么?五年前的人们会第一个想到的是AlphaGo下围棋, 但是现在大家或许会更津津乐道于AlphaFold预测蛋白质结构。

就在最近一两年,AI+科学作为一个崭新研究领域开始流行起来。正如众多年轻领域一样,它的方法论还需要更多的思考和讨论。

找不到讨论的平台?你来对了地方!ICML将举办一个AI+科学的研讨会,由来自全球顶尖机构(麻省理工、哈佛、斯坦福、剑桥、深势科技等)的研究人员举办,集结了AI+各科学领域的领跑者。

虽然这个workshop是第一次在ICML 2022出现,组织者们之前已经在NeurIPS 2021成功举办了第一届AI+科学研讨会,吸引了大量的研究人员,尤其是年轻的学生们关注到了这个同样年轻的AI+科学领域。这一次,他们将进一步讨论这个领域的发展前景和方法论。

|研讨会的豪华阵容

这场研讨会的阵容十分豪华,包括AI+物理的Max Tegmark, AI+材料的Rafael Gomez-Bombarelli, AI+化学的Anima Anandkumar, AI+生物的Anthony Gitter,AI+应用数学的韩劼群, 等等。不少著名科学家都将参与其中。

麻省理工教授Max Tegmark,作为一个宇宙学教授和畅销书作家,从2016年开始关注和领跑AI+物理。他和学生们致力于用AI自动发现物理规律,目标以此加速物理学的进程。他将在研讨会上作“AI+物理”的演讲。

Anima Anandkumar教授, 不仅仅在学术界的加州理工领跑AI+Science initiative, 同时也在工业界的Nvidia做机器学习部门的主任。在这场研讨会上,她将作“AI+化学”相关主题的演讲。

那么,这场研讨会究竟要讨论什么?

|探讨的话题

会议的目标主要有六点:

● 挖掘AI+Science成功案例的理论原因,形成适用面更广泛的方法论。

● 澄清AI+Science目前的局限性和误区。

● 有潜力被AI解决,但至今仍被忽视的科学问题。

● 涉及多个交叉领域的方法论和合作模式

● AI+Science自身的科学性

● AI+Science模型如何“落地”,变得实用

组织改会议的研究人员认为,如果不研究清楚这些问题,未来AI+科学有可能会偏航,甚至已经阻碍了领域的发展。

这些问题里,包括对“先验知识”的处理——有的任务中,加入领域知识对模型性能有很大提升,比如等变神经网络预测分子力场;但在另一些任务中,黑盒模型或者暴力搜索却比基于知识的模型要好很多,比如下围棋。碰到一个全新任务时,我们到底应不应该把知识潜入模型呢?如何科学地、系统地解释这个“矛盾”呢?

此外,不少有潜力的领域还比较少用AI方法,比如模拟算法的设计、物理学猜想的证明/证伪、有效模型的设计等等。

因此,探索学科交叉点、方法的科学性、专用于科学的AI工具,是AI+研究人员必须要面对的问题。

当然,不止这些高校的学者和专家,现在你也可以参与进来,进行投稿和讨论。

|邀请你来参与

会议的组织者来自MIT、斯坦佛、深势科技等高校和研究机构的教授和研究人员,其中不乏年轻的博士生。他们尤其欢迎各个领域的年轻人,和他们一起定义和塑造AI+科学这个领域。他们设置了三个投稿主题:

● 原创研究(Original Research Track): 欢迎AI+Science任何领域的原创研究,包括理化生、核科学、机械、农业、材料、建筑等。

● 学术评论(Attention Track): 如果你觉得AI在某些领域的研究“不切实际”或者“方向走偏了”,或者觉得AI能被应用到一些特殊领域,可以投稿这个主题。

● 工作总结(Highlight track): 如果你对某个领域或者某个问题有比较充分的调研和研究,想要写一个工作总结,可以投稿这个主题。该track和原创研究相比,更侧重对已经发表工作的总结。我们期待您的工作总结可以帮助新手快速入门。

提交截止日期至5月3日,研讨会将于2022年7月22~23日举办。感兴趣的小伙伴,可以戳下方官网进行投稿、报名:

http://www.ai4science.net/icml22/

在OpenReview提交论文:https://openreview.net/group?id=ICML.cc/2022/Workshop/AI4Science

欢迎关注我们的twitter获取最新讯息: @AI_for_Science

加入我们的slack channel积极讨论吧: https://join.slack.com/t/ai4sciencecommunity/shared_invite/zt-15rtaehdi-we~H~LhzZqrQTy6RtLGtug


登录查看更多
1

相关内容

ICML 是 International Conference on Machine Learning的缩写,即国际机器学习大会。ICML如今已发展为由国际机器学习学会(IMLS)主办的年度机器学习国际顶级会议。
【吴恩达报告】以数据为中心的人工智能技巧
专知会员服务
48+阅读 · 2022年3月21日
【百图生科宋乐博士】 人工智能赋能医药研发
专知会员服务
27+阅读 · 2022年3月17日
ICLR 2022接受论文列表出炉!1095 篇论文都在这了!
专知会员服务
73+阅读 · 2022年1月30日
专知会员服务
43+阅读 · 2021年8月5日
ICLR 2021 评审出炉!来看看得分最高的50篇论文是什么!
专知会员服务
40+阅读 · 2020年11月13日
专知会员服务
42+阅读 · 2020年7月15日
在科学“法师们”的眼中,科研合作有怎样的魔力?
微软研究院AI头条
0+阅读 · 2022年1月25日
科学时代,我们需要怎样的科学家与科研机构?
微软研究院AI头条
0+阅读 · 2021年11月12日
如何做一个AI领域审稿人? | 焦点评论
视觉求索
0+阅读 · 2020年7月15日
国家自然科学基金
12+阅读 · 2017年12月31日
国家自然科学基金
5+阅读 · 2017年12月31日
国家自然科学基金
5+阅读 · 2017年6月30日
国家自然科学基金
1+阅读 · 2016年12月31日
国家自然科学基金
0+阅读 · 2015年8月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2012年8月24日
国家自然科学基金
0+阅读 · 2012年4月30日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月20日
Arxiv
17+阅读 · 2021年3月29日
Arxiv
34+阅读 · 2020年1月2日
Arxiv
31+阅读 · 2018年11月13日
W-net: Bridged U-net for 2D Medical Image Segmentation
Arxiv
19+阅读 · 2018年7月12日
VIP会员
相关VIP内容
相关基金
国家自然科学基金
12+阅读 · 2017年12月31日
国家自然科学基金
5+阅读 · 2017年12月31日
国家自然科学基金
5+阅读 · 2017年6月30日
国家自然科学基金
1+阅读 · 2016年12月31日
国家自然科学基金
0+阅读 · 2015年8月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2012年8月24日
国家自然科学基金
0+阅读 · 2012年4月30日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
Top
微信扫码咨询专知VIP会员