当前AI技术迅猛发展，生成式人工智能等技术正日益成为科研领域的重要驱动力。飞桨（PaddlePaddle），作为百度自主研发的开源深度学习平台，凭借强大的算力支持、多硬件适配能力和丰富的开发工具，为科学计算开辟了新的技术路径。在AI与自然科学交叉融合的时代背景下，为培养新时代复合型AI人才，百度飞桨联合北京大学研究生会，面向广大研究生开展了 AI For Science 科研提升训练营，带领同学了解AI for Science技术前沿知识并提供入门指导。
2024年11月17日，百度飞桨与北京大学研究生会联合举办了一场 AI For Science 科研提升训练营。此次训练营汇聚了来自材料科学与工程学院、工学院、化学与分子工程学院、生命科学学院、物理学院等学院的研究生，旨在向广大研究生提供一个多学科交叉、开放共享的学习平台。 训练营以“AI for Science入门与实操”为主题，由百度飞桨科学计算团队研发工程师担任训练营导师，带领同学们深入了解AI for Science的前沿技术，并掌握其在实际科研中的应用方法。训练营内容涵盖了AI for Science的基本概念、技术原理、最新研究成果以及在实际科研中的应用案例，帮助同学们建立系统的知识体系。
飞桨AI for Science全景
训练营导师介绍道，传统数值计算从出现到现在已经成为各科学工程领域必不可少的基础工具，未来AI也将作为基础工具融入各个领域的科研与工程实践中。深度学习平台是AI领域的基础共性平台，下接芯片，上承应用，相当于智能时代的操作系统。而飞桨作为中国首个自主研发、功能丰富、开源开放的产业级深度学习平台，也抓住AI for Science时代的机遇，开展了大量的基础支撑和应用工作。基于飞桨深度学习框架，飞桨团队开发了PaddleScience科学计算套件，利用深度神经网络的学习能力和飞桨框架的自动(高阶)微分机制，助力解决物理、化学、气象等领域的问题。 飞桨星河社区：AI应用的开放生态 在训练营中，导师还向同学们介绍了飞桨星河社区，“这是一个集数据、模型和算力于一体的开发者社区”。星河社区通过开放22万多个工业级数据集和200多个模型，为开发者提供了覆盖10余个领域的全方位支持。在科学计算方向，无论是气象流体仿真还是材料生物计算，开发者都可以在社区中找到对应的模型和工具，快速实现从理论研究到实际应用的跨越。针对科学计算领域同学的需求，星河社区还提供了丰富的实训项目和教学资源，推出《AI for Science 前沿讲座系列公开课》、《AI for Science 代码入门与实操课程》、《李宏毅线性代数》、《零基础实践深度学习》等课程，和丰富的AI赛事，帮助新手开发者快速入门。飞桨AI for Science共创计划 最后训练营导师向同学们介绍了飞桨近日最新发起的“飞桨AI for Science共创计划”，计划联合科研人员和开发者共同推动学术创新。该计划将为研究者提供前沿基线模型、大量数据集和算力支持，帮助解决科学研究中的算力瓶颈问题。同时，百度飞桨团队还为共创者提供技术指导，涵盖从论文复现到算法开发的全流程支持，确保科研项目的顺利推进。在共创计划的支持下，飞桨已经成功应用于多个领域，例如，基于HelixFold系列模型的蛋白质预测工具，在抗原抗体、多肽设计等生物医药领域实现了重大突破；用于晶体图神经网络的带隙预测模型，帮助科学家快速筛选和设计新型材料，推动了材料科学的前沿探索。 在训练营的讨论环节，同学们围绕AI for Science的热点问题进行深入探讨与交流。在交流过程中，同学们对技术细节与飞桨框架的实际应用的尤为关注。围绕生成式模型的应用、材料科学、流体力学、生物计算以及飞桨框架与星河社区的使用等多个主题，同学们提出了许多问题，包括生成式模型在科学计算中的应用、材料科学与数据管理、飞桨框架与算力支持、流体力学与湍流模型、大语言模型与资源优化、生物计算与Helix工具等多个问题。通过互动交流，同学们不仅拓宽了学术视野，还结识了来自不同学科背景的同龄人，为未来的科研合作奠定了基础。此次“AI For Science”科研提升训练营的成功举办，体现了百度飞桨与北京大学研究生会对培养跨学科人才、推动科研创新的重视。未来，双方将继续深化合作，充分利用星河社区等优质资源，为更多研究生提供学习交流的机会，共同推动AI技术在科学研究中的广泛应用。欢迎各位研究者通过飞桨 AI for Science 共创计划加入我们！相关地址：
