铸星计划 | 四大科研主题，邀你共同探索前沿科技的星河

2022 年 7 月 14 日 微软研究院AI头条

（本文阅读时间：7分钟）

2022年“铸星计划”已经启动！为了汇集群“星”，吸引更多志同道合的优秀青年学者，今年的“铸星计划”将聚焦于数字化转型助力可持续发展（Empower Sustainability with Digital Transformation）、大数据和人工智能时代的新计算理论（New Theory in Big Data Era）、负责任的人工智能（Responsible AI）、分子科学与人工智能（AI for Molecular Science）四大科研主题。

成功入选“铸星计划”的您将加入微软亚洲研究院不同领域的科研团队，与资深的研究员们结成专属“星搭档”，共同在自由、开放的研究氛围中开展人工智能等前沿领域的创新性研究，做出有影响力的学术成果！期待与您在科研长空，共铸星光！（点击“阅读原文”，了解项目详情和报名方式）

数字化转型助力可持续发展

Empower Sustainability with Digital Transformation

在全球气候变化的背景下，可持续发展的重要性日益凸显。可持续发展涉及到社会生活的各个领域，因此需要我们仔细审视各行业对环境的影响，并采用科学的手段及先进的技术进行有针对性地调整和应对。各行业大量数据的积累、数据驱动的人工智能技术、以及前沿的系统软硬件研究，都在全面加速社会实现可持续发展。

由此，2022年“铸星计划”提出了“数字化转型助力可持续发展”研究主题，旨在研究如何采用人工智能技术助力于各行业实现可持续发展，同时探索如何降低人工智能算法及计算平台本身的资源消耗。我们期待与学术界不同学科的学者合作，共同应对气候环境变化的挑战，用科学技术来实现可持续发展的目标。

我们重点关注以下研究课题：

•绿色云计算：研究如何构建高效、可靠、可持续的智能云计算平台。

•智能供应链管理：研究如何提高供应链韧性，优化供应链效率并减少碳排放。

•智能楼宇：研究如何优化楼宇的控制系统以减少用电及碳排放。

•电池材料研发和储能设备优化：研究如何设计新型催化和电池材料，以及如何优化储能设备使用。

•绿色人工智能：研究如何高效地对机器学习模型进行压缩、架构探索、部署等。

点击链接，了解“数字化转型助力可持续发展”研究主题的更多细节。

大数据和人工智能时代的新计算理论

New Theory in Big Data Era

当前，依赖大数据、大算力、大模型打造的人工智能系统在很多领域都取得了瞩目的成绩。但同时由实践驱动的深度学习、强化学习等人工智能技术自身仍面临发展瓶颈，而且在应用中也存在新的鲁棒性、可信性、可解释性等诸多方面的问题。突破这些困难亟需底层理论的支撑，而经典的理论计算机科学研究偏重于精巧的算法理论研究，脱离了大数据和人工智能发展的现状。

因此，在2022年的“铸星计划”中，我们提出了“大数据和人工智能时代的新计算理论”这一研究主题，旨在促进传统理论研究与基于实践的大数据和人工智能技术的融合，期望将理论计算机科学、数学、统计学、控制论、运筹学、博弈论、复杂系统等多学科理论工具与人工智能技术有机融合，形成驱动大数据和人工智能持续发展完善的新计算理论基础。

我们重点关注以下研究课题：

•数据驱动的优化：研究如何将数据采样、机器学习与传统优化技术相结合。

•深度学习理论：研究深度学习的优化泛化逼近理论及其可解释性、公平性、鲁棒性、隐私保护等可信人工智能的理论基础。

•强化学习理论：研究强化学习的基础理论，包括其收敛性、泛化性、可表达性，以及它与深度学习、传统优化、知识表达、认知科学等方面的结合。

•动态学习理论：以动态系统的视角重新审视深度学习、强化学习等技术，并研究动态学习辅助传统科学研究的理论基础。

点击链接，了解“大数据和人工智能时代的新计算理论”研究主题的更多细节。

负责任的人工智能

Responsible AI

人工智能技术正在深刻地改变着全世界人类的社会生活。因此，我们需要确保人工智能技术以安全、可靠、可控的方式推进，并积极促进全球经济、社会和生态的可持续发展。为了依照以人为本的伦理原则推进人工智能的发展，微软制定了六大负责任的人工智能原则，包括公平、可靠和安全、隐私和保障、包容、透明、以及负责。

为了更好的支持这些原则，我们不仅需要完善当前的人工智能解决方案，还要开发新的负责任的机器学习技术并将其变为现实。在“负责任的人工智能”研究主题中，我们期待与学术界不同学科的学者合作，共同应对负责任的人工智能领域的重要挑战，促进人工智能健康发展，并推进人工智能伦理和社会影响方面的研究。

我们重点关注以下研究课题：机器学习中的可解释性和公平性、机器推理和因果学习、隐私保护机器学习、负责任的语言理解和生成、负责任的推荐系统、鲁棒机器学习。

点击链接，了解“负责任的人工智能”研究主题的更多细节。

分子科学与人工智能

AI for Molecular Science

作为很多科学研究领域的基石，分子科学在微观层面为理解世界和解决科学问题提供了底层的基础知识和对应的支撑技术。随着大量科学数据在分子科学研究领域的积累，数据驱动的人工智能技术正在加速推动分子科学在基础研究方面的创新。

分子科学具有天然的跨学科特性，需要融合先进的人工智能技术和多元化的专业知识及技能，因此该领域的颠覆性科学创新亟需自然科学领域的科学家与人工智能领域的专家的紧密合作。分子科学与人工智能（AI for Molecular Science）科研主题立足于提供开展跨领域分子科学研究的支撑平台，并应用这些技术在人类健康、医疗、材料和能源等领域取得突破性成果。

我们重点关注以下研究课题：基于人工智能的分子模型、分子动力学、偏微分方程求解器，以及应用这些方法解决化学、生物学和材料科学中具有挑战性的问题。具体而言，我们致力于研究生物分子结构、动力学和相互作用，以揭示生命的秘密并治愈疾病；开发新的方法和模型来设计具有增强催化效率和更高效的能量存储/转换材料；探索生物分子和纳米材料之间的界面问题。

点击链接，了解“分子科学与人工智能”研究主题的更多细节。