智能时代的科学计算新范式|飞桨博士会第十期

科学的主要模型都是来自于物理学&＃xff0c;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&＃xff0c;仍存在待求解的问题机理不清楚&＃xff0c;或者问题机理过于复杂以至于传统算法难以求解的困难&＃xff0c;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&＃xff0c;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&＃xff0c;可以进一步开发出更加高效和准确的研究方法&＃xff0c;促进科学研究从「小农作坊」模式到「大平台」模式的转变&＃xff0c;这就是“AI For Science”。

10月16日&＃xff0c;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&＃xff0c;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&＃xff0c;围绕“AI For Science”展开一场前沿讨论&＃xff0c;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&＃xff08;PaddlePaddle&＃xff09;发起的中国深度学习技术俱乐部&＃xff0c;旨在打造深度学习核心开发者交流圈&＃xff0c;成员皆为博士&＃xff0c;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&＃xff0c;组织会员共同研讨自然语言处理&＃xff08;NLP&＃xff09;、计算机视觉&＃xff08;CV&＃xff09;、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

分享一&＃xff1a;

AI&＃43;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&＃xff1a;

邱祥运 博士&＃xff0c;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&＃xff1a;

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&＃43;核酸是当下生物计算的前沿和精准医学的先行者。

分享二&＃xff1a;

AI&＃43;认知科学&＃xff1a;

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&＃xff1a;

现为北京大学人工智能研究院博士后&＃xff0c;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&＃xff0c;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&＃xff0c;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&＃xff1a;

本次演讲将以主动目标跟踪任务为例&＃xff0c;介绍多智能体博弈过程中存在的复杂认知计算问题。之后&＃xff0c;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&＃xff0c;提升智能体学习效率&＃xff0c;实现鲁棒高效的主动目标跟踪。最后&＃xff0c;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&＃xff0c;对未来工作进行展望。

分享三&＃xff1a;

AI&＃43;分子模拟&＃xff1a;

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&＃xff1a;

张与之&＃xff0c;毕业于北京大学元培学院&＃xff0c;计算数学专业&＃xff0c;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&＃xff0c;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&＃xff0c;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&＃xff1a;

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&＃xff0c;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&＃xff0c;介绍算法工程化过程中的进展与挑战&＃xff0c;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&＃xff0c;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。

除了干货满满的专家分享环节&＃xff0c;还为大家安排了充足的小组讨论时间及主题&＃xff0c;可以与技术专家面对面进行深度学术交流&＃xff01;

扫描下图二维码或点击阅读原文链接&＃xff0c;即可获取详细报名信息&＃xff01;本场活动将面向已经加入飞桨博士会的成员开放&＃xff0c;同时也欢迎在读或已毕业的博士咨询参加。结识行业人脉&＃xff0c;快来扫描二维码&＃xff0c;报名参加本场活动吧&＃xff01;

报名链接&＃xff1a;

https://iwenjuan.baidu.com/?code&＃61;7jih4b

与此同时&＃xff0c;对“AI&＃43;科学计算”感兴趣的小伙伴&＃xff0c;可以扫下方二维码加入AI&＃43;科学计算交流群&＃xff0c;与志同道合的同学们共同学习进步&＃xff01;

长按下方二维码立即

Star

更多信息&＃xff1a;

1. 飞桨官方QQ群&＃xff1a;793866180

2. 飞桨官网网址&＃xff1a;

   www.paddlepaddle.org.cn/

3. 飞桨开源框架项目地址&＃xff1a;

   GitHub:

   github.com/PaddlePaddle/Paddle 
   Gitee:

   gitee.com/paddlepaddle/Paddle

4. 欢迎在飞桨论坛讨论交流~~

   http://discuss.paddlepaddle.org.cn