掃描報名二維碼：
（掃碼報名）
在當今以資料驅動的科學研究新時代，人工智能(AI)已成為推動科學發現和技術創新的重要力量。伴随着大模型等先進AI技術的興起，在生物醫藥、天文學、材料科學等各學科領域展示出了巨大的發展潛力。AI技術的深入應用不僅提高了傳統科研領域的研究效率，還拓展了研究手段，重塑了科學問題的解決路徑。
雖然AI技術取得了諸多突破，但在真正融入科學研究過程中也暴露出一系列挑戰。資料的擷取、處理及其品質，AI模型的解釋性與泛化能力，如何利用大規模智能計算叢集進行AI計算，以及這些技術如何與科學研究人員的傳統工作模式相融合等問題都是目前亟待解決的難題。
本論壇将從天文發現、新藥研發、物質科學、分子生成、材料發現等方向出發，讨論具體的案例以及取得的成果，同時讨論傳統科學與計算機結合的共性問題，希望讓傳統領域的研究者與計算機領域的研究者共同探讨目前研究的痛點和未來的研究方向。
論壇安排
| 順序 | 主題 | 主講嘉賓 | 機關 |
| 1 | 藥物研發中的人工智能 | 謝昌谕 | 浙江大學 |
| 2 | 深度學習算法在天體化學反應網絡拓展中的探索和應用 | 王佳玮 | 之江實驗室 |
| 3 | 面向分子資料的生成式人工智能方法 | 周 浩 | 清華大學智能産業研究院 |
| 4 | 機器學習在量子動力學和光譜模拟中的應用 | 陳立朋 | 之江實驗室 |
| 5 | 力學模型中的知識發現與嵌入 | 陳雲天 | 甯波東方理工大學 |
| Panel嘉賓 | 謝昌谕 | 浙江大學 | |
| 陳雲天 | 甯波東方理工大學 | ||
| 周 浩 | 清華大學智能産業研究院 | ||
| 王 茜 | 之江實驗室 | ||
| 陳立朋 | 之江實驗室 |
執行主席
全冬晖
之江實驗室進階研究專家、研究員
國家人才計劃獲得者，長期從事天體實體與天體化學方向的科學研究，專注于星際分子的理論研究，針對複雜多樣的天文系統，建立了多個基于化學反應動力學的反應網絡模型，研究涉及約百分之九十已被探測到的星際分子或離子，揭示了這些分子或離子的形成以及消耗機理，工作在世界範圍内受到廣泛認可。
共同執行主席
王笑楠
清華大學化工系長聘副教授、特别研究員
新加坡國立大學榮譽教授，新一代人工智能國家科技重大專項首席科學家、項目負責人，美國化學工程師學會 (AIChE) 可持續發展領域主席。國家高層次青年人才計劃入選者。帶領團隊從事化學材料AI基礎模型賦能碳中和的研究。在Nature Machine Intelligence、Nature Synthesis、Nature Reviews系列期刊發表學術論文150餘篇，包括12篇ESI高被引論文，被引7500餘次，H index 48。擔任Applied Energy等十本國際期刊副主編和編委，獲美國化學會可持續化學與工程講席獎、Cell Press中國女科學家獎、侯德榜化工科學技術獎“青年獎”，福布斯中國科技女性50，新加坡傑出青年首席研究員獎、英國皇家學會國際交流獎等獎項。入選全球學者終身學術影響力榜，連續三年被Elsevier評為全球前2% 頂尖科學家。
論壇講者
謝昌谕
浙江大學藥學院教授、求是工程教授
加拿大渥太華大學獲得實體博士學位,多倫多大學與麻省理工進行理論化學的博士後。2018年加入騰訊量子實驗室，從事量子計算和AI for Science的前沿計算技術研究與落地探索。2022年加入浙大藥學院，從事前沿計算技術在藥物研發的應用研究和理論與算法開發。以一作或通訊身份在國際高水準期刊與會議上發表100餘篇SCI 論文，獲得第24屆中國專利獎-銀獎。
報告題目：藥物研發中的人工智能
摘要：
近年來，人工智能助力藥物發現展現了巨大的潛力，并廣泛受到了學術界和工業界的關注。目前熱門的 AI 藥物研發算法大多源于自然語言、圖像識别以及相關的經典深度學習的應用場景，但由于化學與生物醫藥領域的資料有着自己的獨特性，這些深度學習模型往往面臨着過拟合或泛化能力差等挑戰。通過AI藥物算法研發相關的例子(如分子屬性、結合自由能預測、分子生成)，我們将探讨如何有效的結合實體、化學、生物醫藥等領域知識以及前沿的機器學習算法，促使模型提供更可靠的預測。
王佳玮
之江實驗室天文計算研究中心工程專家、特聘副研究員
中國科學技術大學管理科學與工程博士，香港城市大學資訊系統專業博士，之江實驗室工程專家。目前研究方向為圖神經網絡和因果推斷。在國際期刊及會議發表論文4篇，授權國家專利5項。作為骨幹成員參加國家重點研發計劃1項，國家重點實驗室項目1項，之江實驗室自設項目1項。曾為阿裡雲城市大腦團隊核心算法專家，負責杭州城市大腦交通小腦算法在主城區從0到1落地，基于此孵化的産品在全國20多個城市落地應用。
報告題目：深度學習算法在天體化學反應網絡拓展中的探索和應用
摘要：
天體演化分析是指通過物種時變還原天區實體環境演化路徑和預測新物種，完整和準确的天體化學反應網絡是演化推理的關鍵基礎。但受限于天體化學實驗的難度和高昂成本，現有天體化學反應網絡拓展難度大。本研究采用資料驅動方法，調研現代深度學習技術，基于Transformer架構和Graph編碼器，首次提出天體化學反應網絡拓展的整體算法架構，并在Chemiverse真實資料集上實作評測。
周浩
清華大學智能産業研究院副研究員
主要研究方向是面向複雜材料的生成式人工智能，應用包括文本生成、小分子設計、蛋白質設計等。曾任位元組跳動人工智能實驗室文本生成中台負責人和AI輔助藥物設計團隊負責人。曾十餘次擔任ICML、NeurIPS，ICLR等國際會議的領域主席，在包括ACL，EMNLP，NeurIPS，ICML和ICLR等相關會議上發表論文80餘篇，曾獲2019中國人工智能學會優秀博士論文, 2021計算語言學年會(ACL)最佳論文，2022國際文本生成大會(INLG)最佳短論文和計算機學會NLPCC青年新銳科學家。
報告題目：面向科學發現的生成式人工智能方法
摘要：
生成式人工智能技術在自然語言生成、圖像生成上已顯示出其巨大價值。然而不同于文本和視覺資料，科學領域常見的分子資料具有其特異性的模态和資料分布，直接應用文本和視覺中常用的模型和方法未必能取得最佳效果。本報告将介紹我們針對分子資料設計的生成式模組化方法，并通過在分子構象生成，蛋白質對接，分子生成等應用中展現其優越性。
陳立朋
之江實驗室新材料計算研究中心研究專家
洪堡學者，長期從事材料電子結構及其動态特性的計算模拟，近年來在變分波函數、量子主方程、随機薛定谔方程、非絕熱動力學、非線性和單分子光譜等前沿問題上取得了一些原創性的成果，在Chem. Rev, Sci. Adv, PNAS, Phys. Rev. Lett等學術期刊發表論文60餘篇。
報告題目：機器學習在量子動力學和光譜模拟中的應用
摘要：
光譜技術提供了探測各種分子體系中化學反應過程的理想工具。不斷增加的揭示化學反應機理的實驗資料需要我們發展準确的理論方法進而可以解釋分子體系光譜信号及其對應的結構變化背後的核和電子動力學過程。本報告将介紹如何将機器學習算法用于加速非絕熱動力學和光譜的快速模拟。
陳雲天
甯波東方理工大學助理教授
兼任上海交通大學計算機系博導。研究方向為科學機器學習，主要關注于實體驅動與資料驅動的融合以及AI挖掘實體規律。博士畢業于北京大學工學院，并獲優秀畢業生榮譽。鵬城實驗室博士後。發表論文30餘篇，獲授權發明專利19項，主持國家自然科學基金等課題10項，累計經費1500餘萬元。獲得中國精品期刊頂尖論文獎、中國“網際網路+”大學生創新創業大賽金獎等榮譽。入選中國力學學會青年人才蓄水池計劃和甬江人才工程。
報告題目：力學模型中的知識發現與嵌入
摘要：
科學研究的使命是了解和探索世界，以及根據經驗和知識改造世界。其中知識嵌入和知識發現是融合知識和資料的兩種重要方法。知識嵌入可以打破知識和資料之間的障礙，進而建立具有實體常識的機器學習模型。人類對世界的了解總是有限的，而知識發現可以利用機器學習從觀測中抽提出新知識。知識發現不僅可以幫助研究人員更好地掌握實體學的本質，同時也能對知識嵌入的研究提供有利的支援。通過将知識嵌入和知識發現相結合，可以形成知識生成和使用的閉環，進而提高模型的魯棒性和準确性，發現未知的科學原理。本報告将讨論目前知識嵌入和知識發現領域的一些進展，以及在力學和能源等領域的潛在發展機遇。