YEF2024专题论坛 | “AI for science如何驱动科学发现和技术创新”成功召开

阅读量:42 2024-05-22 收藏本文

在YEF2024上，之江实验室联合清华大学组织了以“AI for science如何驱动科学发现和技术创新”为主题的专题论坛。论坛聚焦于天文发现、新药研发、物质科学、分子生成、材料发现等多个领域，深入探讨了AI技术在传统科学研究领域的研究进展，为解决科学问题开辟了新的道路。同时，论坛还探讨了将AI技术真正融入科学研究过程所面临的机遇、挑战以及未来发展趋势。整个论坛充满活力，为与会者带来了丰富的学术交流和启发。

论坛由之江实验室高级研究专家、研究员全冬晖老师担任主席，清华大学长聘副教授、特别研究员王笑楠老师作为此次论坛的共同执行主席，同时邀请到了来自新药研发、天文发现、分子生成、材料发现、物质科学领域的五位专家学者，浙江大学药学院谢昌谕教授、之江实验室天文计算研究中心工程专家王佳玮老师、清华大学智能产业研究院副研究员周浩老师、之江实验室新材料研究中心研究专家陈立朋老师、宁波东方理工大学陈云天老师分享其研究工作，同时讨论传统科学与计算机结合的共性问题。论坛由王笑楠老师担任主持人。

王笑楠老师介绍论坛背景和引导报告嘉宾

首先是论坛引导报告环节，谢昌谕老师以“药物研发中的人工智能”为题，介绍了最新的研究成果和实际应用案例，展示AI在药物算法研发中发挥的关键作用。并通过AI药物算法研发相关的例子(如分子属性、结合自由能预测、分子生成)，探讨如何有效的结合物理、化学、生物医药等领域知识以及前沿的机器学习算法，促使模型提供更可靠的预测。

谢昌谕作引导报告

王佳玮老师以“深度学习算法在天体化学反应网络拓展中的探索和应用”为题，首次提出天体化学反应网络拓展的整体算法框架，展现了用AI来解析和模拟宇宙中极其复杂的化学反应网络，并探讨利用深度学习模型预测和分析那些在传统方法中难以捉摸的化学反应的可行性。

王佳玮作引导报告

周浩老师以“面向分子数据的生成式人工智能方法”为题，介绍针对分子数据设计的生成式建模方法。通过在分子构象生成，蛋白质对接，分子生成等应用中体现其优越性，带我们领略了生成式AI如何在分子构象生成，蛋白质对接，分子生成等应用中大放异彩。

周浩作引导报告

陈立朋老师以“机器学习在量子动力学和光谱模拟中的应用”为题，介绍了如何将机器学习算法用于加速非绝热动力学和光谱的快速模拟，并且探讨这项研究对新材料的设计、药物开发、环境监测等领域的潜在价值。

陈立朋作引导报告

陈云天老师以“力学模型中的知识发现与嵌入”，介绍如何利用最新的知识发现技术和数据嵌入技术，增强现有的力学模型。并且探讨了目前知识嵌入和知识发现领域的一些进展，以及在力学和能源等领域的潜在发展机遇。

陈云天作引导报告

报告结束，接下来进入思辨讨论。AI for Science作为一个高度跨学科的研究领域，对交叉领域人才的需求非常迫切，算力和数据同样给AI for science研究带来了极大的挑战。因此在思辨讨论环节中，与会嘉宾围绕数据、算法算力、应用合作几个角度，共同探讨“高质量的数据如何获取”、“生成式大模型在研究领域给科学发现带来哪些新的机遇”、“未来能否构建一个通用的AI for science模型来应对多个科学领域的问题”、“算力瓶颈问题如何解决”、以及“如何进行领域专家和 AI专家跨学科合作”等多个议题展开了深入地辩思，并提出了许多建设性意见和对策。与会嘉宾表示将进一步加强交流合作，为共建AI跨学科平台，形成科学研究的AI范式，加速科学发现和技术创新而努力。