\u200E
科学前沿 AI共拓!AI for Science论坛重磅来袭
发布日期:2022-05-20T08:25:14.000+0000 浏览量:1512次


WAVE SUMMIT 2022深度学习开发者峰会重磅来袭!本届峰会,将呈现以飞桨为代表的深度学习领域的最新技术突破、最扎实的产业实践和共创共享的生态成果。在传统科研领域,AI也正在成为科学家的新生产工具,催生科研的新范式。人们开始借助深度学习技术突破更多维数高、时间长、跨尺度的挑战。本文,将先为大家揭秘【科学前沿 AI共拓】平行论坛的精彩议题。


当前,CV、NLP等AI技术已有了较为广泛的应用,替代传统方法完成缺陷检测、人脸检测、物体分割、阅读理解、文本生成等任务,在产业界也形成了规模化的落地。 但是放眼到更加广阔的工业设计、制造等领域,仍有诸多科学和工程问题亟待解决。 基于对人工智能与科学前沿领域的前瞻性交叉探索,本次峰会专设“科学前沿 AI共拓”分论坛,将围绕『AI for Science』展开,与大家共同探讨人工智能助力科研应用的更多可能性。
 
“科学前沿 AI共拓”平行论坛由浙江大学上海高等研究院院长、浙江大学生命科学学院院长周如鸿担任主席,并且荣幸地邀请到超导国家重点实验室副主任金魁、百图生科首席AI科学家宋乐、百度飞桨AI for Science产品负责人向辉、大连理工大学能源与动力学院副教授王志成、西湖大学特聘研究员范迪夏、宾夕法尼亚大学化学和生物分子工程系助理教授陆路,为大家带来AI在材料基因、生物计算、科学计算、能源、流体、物理等领域的前沿分享与创新探索。





AI助力材料基因
高通量研究范式加速建设材料实验数据库



     金魁    

超导国家重点实验室副主任




人工智能作为信息技术的变革力量之一,正在推动材料基因研究朝着智能化方向发展。当前凝聚态物质研究和材料创新正在形成“大数据+人工智能”的新范式,解决了材料研发中的信息处理、预测、建构等问题,“数据+人工智能”将成为新材料研发的核心竞争力,对加速建设材料实验数据库产生颠覆性影响。本次报告将分享如何借助材料科学计算及数据方法迅速搜索结构和化学空间,从而寻找及设计新材料。  




AI助力生物计算
表征学习及其在药物研发上的应用



     宋乐    

百图生科首席AI科学家




细胞生命过程具有复杂的时空行为,人工智能在理解细胞生命中发挥了关键作用,深度学习技术在生物计算领域有广大的应用前景。本次分享将与大家共同探讨生物制药行业面临的现状和问题、产业解决方案、生物计算领域的研究进展、以及AI+生物制药的前沿探索等话题。




AI助力科学计算
数据驱动加速计算模拟



     向辉    

飞桨AI for Science

产品负责人



科学计算模型主要来自于物理学、化学、生物学、材料科学,科学计算的方法就是求解这类问题中的控制方程,但这类问题一般都维数高、时间长、跨尺度、需要处理大量计算的问题。借助于深度学习的巨大优势,可以将处理数学计算的方法和处理物理数据的方法结合起来。本次论坛,百度飞桨AI for Science产品负责人向辉将为大家介绍飞桨如何服务科学创新、支持大规模科学计算与工程问题,从而将AI应用于智能制造、工程计算、材料科学、生命医药等应用场景。




AI助力能源
基于物理信息神经网络方法的两相流传热研究



    王志成   

大连理工大学

能源与动力学院副教授



两相流传热技术在航空航天、石化、核工业等国家重点支柱行业,太阳能利用、锂电池、燃料电池等新能源技术,以及高功率电子芯片的开发方面都具有重要作用。当前限制两相流传热研究进一步深入的关键因素在于当前的实验测量技术难以给出复杂相变传热过程完备的数据。物理信息神经网络方法可以充分融合实验测量数据,有效提升现有的测量效果。基于粒子图像测速技术、可以捕捉气泡变形的高速高清摄像机、以及少量的热电偶测温数据, PINNs可以定量推理出相关两相流完备的速度、压力和温度场。本次论坛,王志成老师将通过流动与传热的研究,带我们了解AI助力能源的科技蓝海。




AI助力流体
人工智能在流固耦合实验中的应用



    范迪夏   

西湖大学特聘研究员




流体力学由于其独特的非线性、非定常、多尺度、多变量等特点,相较于其他的经典力学来说,对流体的研究和控制一直处于相对落后的阶段。近年来随着人工智能的迅速发展,越来越多的流体力学研究者开始着力于人工智能与流体力学相结合的研究。在这次交流中,范迪夏老师将基于案例介绍人工智能在流体力学中的开发与应用。




受物理启发的机器学习



    陆路    

宾夕法尼亚大学

化学和生物分子工程系助理教授



尽管传统的数值方法在求解偏微分方程(PDE)上已经取得了很大进展,但目前仍然存在一些局限。机器学习是一种很有前景的替代方法,但是深度神经网络的训练往往需要大量数据,而在很多科学问题中,数据却难以获得。如果将物理知识(比如物理定律、PDE或者简化的数学模型)嵌入神经网络,则可以设计出更好的机器学习模型。
在本次论坛分享中,陆路老师将回顾将物理学知识嵌入机器学习的一些流行趋势,介绍一些常用方法,包括受物理启发的神经网络(physics-informed neural network,PINN)、多保真度神经网络(multi-fidelity neural network,MFNN)和深度算子网络(deep operator network,DeepONet)。同时间还将讨论受物理启发的学习算法在正向和逆向多物理场问题和多尺度问题中的一些应用。



峰会预告




自2016 年飞桨PaddlePaddle正式开源,百度以多年的深度学习技术研究和业务应用为基础,打造了中国首个自主研发、功能丰富、开源开放的产业级深度学习平台,助力企业单位、高等院校、科研机构的AI开发者提升模型开发效率与体验、推动AI技术在各行业的实际落地与应用。 飞桨科学计算套件,包含物理信息神经网络(PINN)以及数据驱动的傅里叶神经算子学习方法(FNO),解决传统数值计算方法维度灾难以及计算慢的问题,旨在服务科学创新、支持大规模科学计算与工程问题,应用于智能制造、工程计算、材料科学、生命医药等应用场景。

5月20日(本周五)13:30-18:00,飞桨官方视频号、B站、百家号、知乎以及百度大脑B站、百家号,WAVE SUMMIT 2022深度学习开发者峰会官网等各大直播平台同步直播!


扫码添加小助手微信
回复关键词"WAVE"邀你进群
线上峰会更多惊喜等你解锁!


【科学前沿 AI共拓】 科学前沿分论坛将于 5月20日 15:40-17:30 在飞桨「知乎」直播 ,入群立即预约论坛直播。

扫码与业内专家共交流!



关注【飞桨PaddlePaddle】公众号

持续获取更多峰会相关信息~