当AI遇见科学计算，看他们如何“携手” | 飞桨博士会Meetup邀你来交流

2021 年 10 月 12 日 PaperWeekly

科学的主要模型都是来自于物理学，比如牛顿方程、空气动力学、弹性力学、电磁场理论、量子力学等。但是有了这些物理原理，仍存在待求解的问题机理不清楚，或者问题机理过于复杂以至于传统算法难以求解的困难，实际没办法使用。

而深度学习从数据分析和科学模型的角度，给我们带来的新机会。将科学模型、机器学习与高性能计算相结合，可以进一步开发出更加高效和准确的研究方法，促进科学研究从「小农作坊」模式到「大平台」模式的转变，这就是“AI For Science”。

10月16日，飞桨联合AI TIME、DeepMoedling共同邀请了3位生物学/认知科学/分子动力学、科学计算及超大规模计算等领域的交叉研究学者，为大家带来主题为“智能时代的科学计算新范式”的飞桨博士会线下Meetup，围绕“AI For Science”展开一场前沿讨论，探讨智能时代的科学计算新范式。

飞桨博士会简介

飞桨博士会是由百度开源深度学习平台飞桨（PaddlePaddle）发起的中国深度学习技术俱乐部，旨在打造深度学习核心开发者交流圈，成员皆为博士，且具备深度学习多年研究和实践经验。此前飞桨博士会已举办六期线下沙龙，组织会员共同研讨自然语言处理（NLP）、计算机视觉（CV）、AutoDL自动深度学习建模技术等前沿技术。

嘉宾介绍 & 分享内容简介

AI+核酸: 生物计算的新前沿

邱祥运

密西根州立大学物理系博士

讲师介绍：

邱祥运博士，1999年本科毕业于中国科技大学物理系和计算机系, 2004年博士毕业于密西根州立大学物理系, 现为某大学教授. 邱教授二十多年来致力于学科交叉, 知识创新和技术开发, 立足于对计算机, 物理, 生物, 化学等多学科融合, 独立运用实验和计算, 在多个领域共发表同行评审论文40多篇, 其开发软件授权于多家材料和制药公司使用, 开发实验技术促使国际多个测量工作站的建立。

议题介绍：

本次演讲将从核酸作为生命的蓝图为起点, 简述核酸科学和核酸医学的发展和现状, 重点讨论AI如何推动对核酸信息与功能的认知预测和AI在基因医疗与核酸药物开发中的巨大潜力. 演讲者将从多个角度论证AI+核酸是当下生物计算的前沿和精准医学的先行者。

AI+认知科学：多智能体博弈中的认知问题与计算方法

钟方威

北京大学博士后

讲师介绍：

现为北京大学人工智能研究院博士后，获博士后创新人才计划资助。在此之前于2021年获得北京大学博士学位。他的研究兴趣是融合计算机视觉、机器人学习、多智能体、虚拟现实和认知科学等多个领域知识，实现高效自主的机器人。他已在人工智能领域顶级学术期刊和会议发表论文多篇，包括了IEEE TPAMI、ICML、ICLR、NeurIPS、CVPR、AAAI等。他受邀担任多个人工智能领域顶级会议程序委员/审稿人。

议题介绍：

本次演讲将以主动目标跟踪任务为例，介绍多智能体博弈过程中存在的复杂认知计算问题。之后，将介绍如何将认知心理学、社会心理学、社会学等学科知识与AI结合，提升智能体学习效率，实现鲁棒高效的主动目标跟踪。最后，将探讨相关方法推广至其它机器人/多智能体场景的可能性，对未来工作进行展望。

AI+分子模拟：药物设计与材料研发中的计算方法

张与之

深势科技算法研究员

讲师介绍：

张与之，毕业于北京大学元培学院，计算数学专业，研究方向是机器学习与多尺度建模、第一性原理计算、分子动力学、自由能计算等。他是DeepModeling开源社区DeePMD-kit, DP-GEN等软件的核心开发者，数篇发表论文涵盖对温稠密物质、多元合金、铁电材料等的研究。他作为研发骨干在团队成立之初加入深势科技，是药物设计平台Hermite和自由能微扰计算软件Hermite-FEP的核心开发者。

议题介绍：

机器学习与物理建模是科学计算的两大战场。前者是处理复杂信息与数据的有效工具；后者是人们认知物理世界的科学方式。本次演讲将从深度学习分子动力学DeePMD方法出发，介绍算法工程化过程中的进展与挑战，并通过计算机辅助药物设计和电池、合金等材料研发两大场景，介绍AI和分子模拟是如何被有机结合在一起拓宽领域边界。