AI4Science：人工智能如何助力科学计算与发现？

AI4Science：人工智能如何助力科学计算与发现？ | YEF 专题论坛

2022 年 6 月 3 日 中国计算机学会

YEF2022将于2022年6月9-11日举行，专题论坛“AI4Science”将邀请中科院鄂维南院士以及多学科跨领域交叉的多名知名学者，针对AI如何助力于科学计算和科学发现，改变科学研究的现有范式进行研讨，并深入探讨数据驱动的AI与科学机理发现之间的互相促进关系。

本届大会免费线上参会，届时将通过百度、知乎、量子位、腾讯Wiz、蔻享、快手、B站、爱奇艺、视频号等多家网络平台直播，点击获取大会直播日程及直播间入口信息

随着人工智能技术的快速发展和广泛应用，对生物信息、数学、物理、气象等诸多科学领域的科学发现范式产生了深刻的影响。例如，人工智能模型AlphaFold在蛋白质结构预测方面取得了非常高的准确率，在科学界引起了广泛关注与讨论。如何将AI技术与其他科学领域深度融合，助力于科学发现与计算，成为近年来科学界广泛讨论的问题。其中，物理机理引导的AI技术为AI for science提供了可行的技术途径。

本论坛将围绕AI如何改变科学发现范式以及如何助力于科学发现与计算展开研讨，邀请计算机、数学、高能物理、生物信息学、产业界等多领域交叉的专家学者就如何使用AI技术加速科研流程，助力于新科学规律的发现展开深入交流和讨论。具体包括物理机理指导的AI模型设计、AI在统计物理计算和偏微分方程求解方面的应用、AI在生物信息学知识发现方面的应用以及华为MindSpore开发的AI4Sicence深度学习框架等。与会学者将针对AI与科学计算和发现之间的关系展开深入探讨，从不同的科学领域来共同思辨：AI是否可以颠覆现有的科学发现范式？

下面我们来提前了解一下讲者与报告主题。

论坛举办及直播时间：6月11日13:30~17:30

在线直播间：（请提前关注和收藏）

嘉宾介绍

鄂维南院士

嘉宾介绍：北京大学数学科学学院讲席教授，北京科学智能研究院院长，2011年当选中国科学院院士。曾应邀在2002年国际数学家大会作45分钟报告，将在2022年国际数学家大会作1小时报告。首届AMS、SIAM会士，获ICIAM科拉兹奖、SIAM Kleinman奖、冯·卡门奖，以及SIAM和ETH Zurich联合授予的Peter Henrici奖及ACM戈登·贝尔奖。

贾晓未

报告主题：Physics Guided Machine Learning for Scientific Knowledge Discovery

报告摘要：Data science and machine learning models, which have found tremendous success in several commercial applications where large-scale data is available, e.g., computer vision and natural language processing, has met with limited success in scientific domains. Traditionally, physics-based models of dynamical systems are often used to study engineering and environmental systems. Despite their extensive use, these models have several well-known limitations due to incomplete or inaccurate representations of the physical processes being modeled. Given rapid data growth due o advances in sensor technologies, there is a tremendous opportunity to systematically advance modeling in these domains by using machine learning methods. However, capturing this opportunity is contingent on a paradigm shift in data-intensive scientific discovery since the “black box” use of ML often leads to serious false discoveries in scientific applications. Because the hypothesis space of scientific applications is often complex and exponentially large, an uninformed data-driven search can easily select a highly complex model that is neither generalizable nor physically interpretable, resulting in the discovery of spurious relationships, predictors, and patterns. This problem becomes worse when there is a scarcity of labeled samples, which is quite common in science and engineering domains. My work aims to build the foundations of physics-guided machine learning by exploring several ways of bringing scientific knowledge and machine learning models together. In particular, we show the effectiveness of the proposed methods in predicting water temperature in lake and river systems. My work also has the potential to greatly advance the pace of discovery in a number of other scientific and engineering disciplines where physics-based models are used, e.g., hydrology, agriculture, climate science, materials science, power engineering and biomedicine.

个人简介：Xiaowei Jia（贾晓未） is an Assistant Professor in the Dept. CS at the University of Pittsburgh. He obtained his Ph.D. degree at the University of Minnesota, under supervision of Prof. Vipin Kumar, he received his M.S. degree from State University of New York at Buffalo and his B.S. degree from USTC. His research interests include spatio-temporal data mining, physics-guided data science, and deep learning. He has published over 40 papers in major journals and top-tier conferences. Dr. Jia was the recipient of UMN Doctoral Dissertation Fellowship (2019), the Best Application Paper Award in SDM 2021 and 2022, as well as many conference best paper awards.

张潘

报告主题：统计物理的计算方法：从平均场到神经网络，再到张量网络

报告摘要：如何准确地计算多粒子系统的自由能，热力学量，以及给出玻尔兹曼分布的无偏采样，是统计力学的核心问题之一。统计力学不仅在物理学的很多领域，还同时在例如组合优化、统计推断、机器学习等物理学之外的领域中具有着重要的应用。本报告将首先从更广的角度描述统计力学的基本问题和组合优化，统计推断，以及非监督机器学习所具有的天然联系，然后介绍如何基于神经网络构造变分方法，基于张量网络构造近似和严格算法，用于求解统计力学问题，并应用到自旋玻璃、机器学习以及量子计算机模拟等问题中去。

个人简介：张潘，中科院理论物理研究所研究员，本科、博士毕业于兰州大学，曾在美国圣塔菲研究所从事博士后研究。张潘的研究兴趣广泛，关心统计物理，机器学习与量子物理的交叉领域，在近期的工作中提出新的张量网络算法成功模拟了谷歌的量子霸权计算机。

李敏

报告主题：生物医学知识发现：人工智能方法及应用研究

报告摘要：高通量测序技术飞速发展，测序成本逐渐降低，海量的生物数据不断累积，给生命科学领域带来了革命性变化。如何针对复杂、高维、多源异构的生物医学大数据进行有效的挖掘，正成为生物大数据时代面临的重要挑战。人工智能的快速发展给生命健康产业带来前所未有的机遇。基于大数据的人工智能技术已成功应用于生物医学领域，不仅带来了技术上的革新，也改变了传统的医学模式，成为主导生物医学新一轮产业变革的核心力量。本报告将从基因组结构解析、蛋白质相互作用预测、药物靶标预测等不同层次的多个具体案例，探讨人工智能如何助力生物医学知识发现。

个人简介：李敏，CCF生物信息学执委，中南大学计算机学院教授、博导、副院长，生物医学智能计算湖南省工程研究中心主任，主要从事生物信息学与数据挖掘研究，发表学术论文100余篇，获国家授权发明专利30余项。主持国家重点研发计划课题、国家自然科学基金重点等项目。曾获教育部自然科学奖、湖南省自然科学奖、吴文俊人工智能自然科学奖等奖项。

陈景润

报告主题：Solving Partial Differential Equations by Deep Neural Networks

报告摘要：Solving partial differential equations (PDEs) by deep neural networks has attracted significant attentions in recent years. In this presentation, I will discuss two problems related to this topic, where domain knowledge from classical numerical analysis helps the design of more intelligent methods to solving challenging problems. These are joint works with Shi Jin (SJTU) and Liyao Lyu (MSU).

个人简介：陈景润，中国科学技术大学苏州高等研究院教授。主要研究方向为科学计算与工业软件和机器学习与偏微分方程。主要工作发表在J. Comput. Phys.，Math. Comp.，SIAM系列期刊等应用与计算数学期刊以及Nat. Commun.等交叉学科领域期刊上。

王紫东

报告主题：AI科学计算业界趋势和昇思实践

报告摘要：AI在计算机视觉、自然语言处理等领域已取得一定成功，其影响已扩展至科学和工程等诸多领域。AI在蛋白质结构预测、分子模拟、流体气象以及微分方程求解等传统科学领域已取得革命性的突破，如AlphaFold2在蛋白质结构预测中取得了媲美实验的精度。传统科学领域悄然成为了AI新的主战场，AI for Science是科学计算的新范式。昇思（MindSpore）从创立之初便积极布局，不仅提供了AI融合框架的基础底座，还投入电磁、气象、制药、航空航天四大套件的研发。本次演讲将与大家分享AI科学计算的业界趋势、进展以及MindSpore的实践等内容，期待与大家进行一次思维的碰撞。

个人简介：王紫东，2016年博士毕业于浙江大学电气工程学院，同年加入华为技术有限公司。现任华为中央软件院自研AI框架昇思（MindSpore）开源项目架构师，从事AI软件及算法相关研究工作。主要研究方向包括AI+科学计算（生物、电磁、流体、气象等领域）、二阶优化等。发表AI顶会论文、申请相关专利数篇。

论坛议程

论坛时间：6月11日下午13:30-17:30

1.主持人介绍参会嘉宾；

2.鄂维南院士作引导发言；

3.每位嘉宾依次做30分钟报告+5分钟问答；

4.思辨环节：由主持人提出若干思辨问题，参会嘉宾发表看法并讨论。

具体线上直播安排将于近期在本公众号公布，请持续密切关注。

执行主席

王森章

CCF大数据专家委员会执委、数据库专委执委、YOCSEF AC委员，中南大学特聘教授\博导，湖南省青年“芙蓉学者”。主要研究方向为时空数据挖掘、图数据挖掘。发表论文100余篇，获ICDM best paper candidate等奖项，多篇ESI“高被引”论文。主持包括国家自然科学基金面上/青年项目等10余项课题。担任多个期刊的编委和客座编委。

杨超

CCF YOCSEF 长沙主席、协同计算和计算机应用专委执委，湖南大学信息科学与工程学院副教授、博导，毕业于日本东京工业大学，获日本社会信息学会最优博士论文奖及秋山奖。主要基于DL/ML方法从事AI相关领域的研究，包括NLP、信息检索与推荐、情感计算、多媒体内容安全等方面，在ICCV、ECCV、TIP、SIGIR、等会议及期刊发表多篇学术论文。

大会完整直播日程及直播间入口：倒计时一周！YEF 2022免费直播日程公布！多网络平台直播，提前锁定，精彩不错过！

YEF 2022各地线下会场将严格遵守当地防疫政策，并将采取严格的防疫管理措施，确保参会安全，敬请现场参会者理解配合。

关于YEF 2022 大会围绕“计算+行业”的蓝图，以“ 大计算、大融合 ”为主题，邀请国内外来自高校、科研单位、大型IT企业的著名专家作高水平的学术、技术报告，同时还组织畅想未来的“思想秀”，展现计算机界青年创业者风采的“科技创业秀”，为大学生提供展示舞台的“大学生学术秀”。除此之外，本次YEF更推出“我国软件供应链安全问题及解决之道”、“探寻当代科技Heroine（女性英雄）的成长模型”、“安全可靠人工智能算法”、“大规模强化学习的未来之路”、“人工智能如何助力科学发现与计算？”等22个值得期待的观点论坛和技术论坛。另有“青科看未来——人工智能的发展困境和突破机遇”大会论坛和““计算+”的成功经验与所面临的挑战”大会论坛。

CCF推荐

【精品文章】