这个独特的集合介绍了人工智能,机器学习(ML)和深度神经网络技术,这些技术能够从超级计算机模拟和现代实验设施产生的数据集中推动科学发现。
大量的实验数据来自许多来源 - 包括望远镜、卫星、基因测序器、加速器和电子显微镜,包括位于日内瓦的欧洲核子研究中心(CERN)的大型强子对撞机(LHC)和法国的国际热核聚变实验反应堆(ITER)等国际设施。这些来源每年生成的数据量可达到多个PB甚至EB级别。从这些数据中提取科学洞察是科学家面临的重大挑战,对他们来说,最新的AI发展将是必不可少的。这本及时的手册对所有科学和工程领域的专业人士、研究人员、学者和学生,以及人工智能、机器学习和神经网络领域都有益。此外,本书中表现出的前瞻性视野将激励所有影响或受科学进步影响的人。
https://www.worldscientific.com/worldscibooks/10.1142/13123#t=aboutBook
这本“科学的人工智能”一书主要讲述了在超级计算机模拟和现代实验设施生成的巨大科学数据集上应用人工智能、机器学习和深度学习技术。现在,大量的实验数据来自许多来源 —— 包括卫星、基因测序器、强大的望远镜、X射线同步加速器、中子源、电子显微镜,以及如日内瓦欧洲核子研究中心的大型强子对撞机(LHC)和汉堡DESY的欧洲X射线自由电子激光(XFEL)设施等主要国际设施。这些源头每年已经生成了许多PB级别的数据,而且这些设施的计划升级将至少创建出一个数量级更多的数据。从这些不断增长的数据山中提取有意义的科学洞见将是科学家面临的重大挑战。科学的人工智能的前提是,这种“大科学数据”代表了应用新的人工智能技术的激动人心的机会,这些应用方式可能对许多科学领域产生真正的变革性影响。现在全球各地有许多国际倡议正在应用人工智能技术来管理和分析日益庞大且复杂的数据集。在美国,国家科学基金会(NSF)已经设立了18个国家人工智能研究院,这些研究院的合作伙伴涵盖了总共40个州[15]。此外,美国能源部(DOE)为国家实验室的大规模设施和超级计算机提供资金。2019年,DOE实验室组织了一系列由数百名科学家、计算机科学家、来自工业界、学术界和政府的参与者参加的Town Hall会议,以探讨人工智能加速甚至可能转变在DOE科学办公室领域下的科学研究领域的机会[16]。这个努力的目标是“检查人工智能(AI)、大数据和高性能计算(HPC)在未来十年的科学机会,并捕捉到实现这些机会的大思想、大挑战和下一步行动。” 这些Town Hall会议使用了“科学的人工智能”这个词来广泛代表计算和数据分析中下一代方法和科学机会。这包括开发和应用AI方法 - 例如,机器学习、深度学习、统计方法、数据分析和自动化控制 - 以从数据中构建模型,并使用这些模型,或者与模拟数据一起,来推进科学研究。会议得出的结论是,未来十年内,科学研究的许多领域有可能由于使用AI方法而发生重大变革。总的来说,报告得出的结论是,AI技术可以:• 加速新材料的设计、发现和评估• 推动新的硬件和软件系统、仪器和模拟数据流的发展• 通过高带宽仪器数据流启用新的科学和理论发现 • 通过在控制和分析环路中插入推断能力来改进实验 • 使光源、加速器、带仪器检测器和HPC数据中心等复杂系统的设计、评估、自主运行和优化成为可能 • 推动自主实验室和科学工作流程的发展 • 通过利用AI代理模型,显著提高外洋量级和未来超级计算机的能力 • 自动化大规模创建FAIR数据 - 可查找、可访问、可互操作和可重用的数据
在英国,伦敦的艾伦·图灵研究所是数据科学和人工智能的国家研究所[17]。他们的“科学和政府的AI”倡议包括与位于牛津附近的哈威尔的英国国家实验室合作进行的大规模科学AI研究工作[18]。