![]()
随着AI技术的快速发展，AI与科学工程领域正逐渐深度融合，并取得了如AlphaFold蛋白质结构预测模型、FourCastNet气象预测模型等里程碑式的应用成果。为了向科研工作者提供强大的技术支持与工具保障，基于飞桨框架开发的 PaddleScience 致力于将AI技术应用于科学计算与模拟领域，解决传统科学计算中面临的复杂问题与瓶颈，推动科学研究的深入与发展。
课程简介
为进一步帮助科研从业者与爱好者了解和使用AI技术，将AI技术真正应用于学术科研中，百度飞桨团队特别推出《飞桨AI for Science前沿讲座》系列课程，旨在为广大的老师与同学提供一个多学科交叉、开放共享的学习和实践平台。通过邀请各领域内的专家学者，分享人工智能在科研领域的前沿应用。飞桨AI for Science前沿讲座系列课程:
https://aistudio.baidu.com/course/introduce/32993飞桨AI for Science代码入门与实操课程:
https://aistudio.baidu.com/course/introduce/32984
《飞桨AI for Science前沿讲座》系列课程第三期的有关安排新鲜出炉，12月17日起每周二、四下午，邀请知名学者分享人工智能在力学、材料科学、有机化学等领域的前沿知识。第三期课程具体安排如下：报告题目（一）：从人类智能到通用人工智能 From Human Mind to Artificial General Intelligence报告摘要：本报告将探讨人类思维的特性与人类智能的独特性，对比分析经典卷积神经网络与人类大脑在动作识别中的异同，并讨论人工智能的局限与未来趋势。同时，介绍一种基于人类智能启发的通用型人工智能（AGI）评估方法——通测试（Tong Test）。它强调在动态实体化的物理和社会互动（DEPSI）环境中评估AI的价值观和能力多维层次，并具体描述了一个以价值和能力为导向的测试系统，该系统通过DEPSI的虚拟环境描绘了五个级别的AGI里程碑，允许无限的任务生成。这项工作旨在促进AGI的标准化、定量和客观的基准和评估。
个人简介：
彭玉佳，北京大学心理与认知科学学院助理教授，博士生导师，双聘于北京大学人工智能研究院研究员、北京通用人工智能研究院、跨媒体通用人工智能全国重点实验室任研究员。于北京大学心理学系获理学学士学位，于美国加州大学洛杉矶分校获博士学位，后在加州大学洛杉矶分校跟随 Dr. Michelle Craske 和 Hakwan Lau从事博士后研究，2021年入职北京大学。研究聚焦于计算精神病学，同时涉及认知和人工智能的交叉研究，致力于探究焦虑与抑郁障碍的心理与神经机制以及治疗方法，实验方法包含人类行为实验、脑成像、计算建模和机器学习等，研究成果发表在Biological psychiatry: CNNI，Psychological Science，Engineering等期刊。主持国自然青年科学基金，参与科技创新2030-“新一代人工智能（2030）”重点研发计划，担任Psychological review，Journal of Anxiety Disorders客座编辑，任Behaviour Research and Therapy，Psychology and Behavioral Sciences，心理科学编委，入选第七届中国科协青年人才托举工程。报告题目（二）：基于力学机理的数据驱动计算力学-构建专用CAE大模型报告摘要：本报告主要介绍将固体力学知识、机制、对称性等与数据驱动计算相结合，实现使用较少的数据量，驱动有限元材料本构建模和单元开发。报告内容主要包括：1.通过深度神经网络，构建具有复杂微结构复合材料的非线性弹性、粘弹性、粘塑性、循环塑性等材料力学模型；2.重新构造有限元的计算方法，通过数据存储和搜索，实现无函数表达式材料本构建模与工程结构件的力学性能评估；3. 基于力学对称性，开发高品质有限元单元。这三方面的研究为专有力学大模型的构建提供了可能的路径。与百度飞桨团队合作，目前正发展ChatMechanics专有力学大模型，为交互式工程智造和结构设计提供工具。
个人简介：
唐山，大连理工大学教授/博导，硕士毕业于中国科学院力学研究所，师从魏悦广院士；博士毕业于新加坡国立大学机械工程专业，博士后期间与国际著名计算力学家、美国西北大学W. K. Liu教授（世界计算力学学会前任主席、美国理论与应用力学学会前任主席）开展合作研究，2014年获海外高层次人才引进计划青年项目。曾获王仁先生青年科技奖。目前担任Theoretical and Applied Mechanics Letters编委、中国力学学会计算力学专业委员会数据驱动的计算力学方法专业组秘书。唐山教授长期从事材料和结构的模型-数据驱动跨尺度计算力学研究。已在固体力学旗舰期刊JMPS和计算力学旗舰期刊CMAME等国内外刊物上发表SCI源刊物论文102篇。研究成果被29个院士团队等在Nature、Science等著名期刊上引用3000多次。研究成果被著名力学家J. N. Reddy教授（美国工程院院士）等直接应用；数据驱动计算方法的工作被同行多次实质性引用，被评价为“开创性的研究”。
报告题目（三）：生成式人工智能加速有机化学研究
报告时间：12月26日14:00至16:00
报告摘要：生成式人工智能在前沿科学领域取得了诸多令人瞩目的研究成果，大语言模型对知识的理解与生成能力也备受瞩目，新的科学研究范式正在形成。本次报告介绍生成式AI在有机化学典型研究问题中的应用潜力，包括分子表征学习、分子创新设计、正向反应预测、化学逆合成、反应条件生成、在线反应条件迭代等，并介绍团队近期的研究成果——白玉兰化学大模型BAI-Chem，在多项任务评测中均达到或大幅度超越目前文献报道中最优方法，并与化学专家合作将该模型应用于有机合成湿实验探索，证实了大语言模型在实验指导上的显著优势，有望加速变革性分子设计与有机化学合成，并在产业方面对药物研发、新物质发现、新材料研发形成强力支撑。
许岩岩，上海交通大学人工智能研究院副教授，国家级青年人才，入选国家海外高层次人才计划青年项目、上海市海外领军人才、上海市浦江人才计划。重点研究人工智能+复杂科学，在复杂系统建模与优化、AI for Science特别是人工智能化学领域开展研究。针对复杂系统优化、有机化学合成、自动化实验等重大问题提出了一系列创新解决方案。团队发布了首个具备反应生成与“人在环路”反馈优化能力的化学大语言模型——白玉兰科学大模型BAI-Chem，在多项任务评测中均达到或大幅度超越当前最优方法，并通过湿实验证实了大语言模型在实验指导上的显著优势，有望加速变革性分子合成。研究成果已发表于Nature Energy, Nature Computational Science (封面), Science Advances, 以及CCF A类会议，被Nature Asia、彭博社等多家国际媒体报道。
报告题目（四）：AI驱动的有机发光材料分子设计
报告时间：12月31日14:00至16:00
报告摘要：有机发光材料凭借着种类繁多、颜色易调节、柔性、大面积制备、低成本等独有的特性在显示、照明、探测、智能传感及光电突触等新兴产业技术方面有着广阔的应用前景和巨大的市场前景。特别是，热激活延迟荧光、热激子荧光、三线态裂分、自由基发光等新材料的不断涌现，使得电致发光二极管的器件效率多次获得突破，成为有机发光领域的研究热点。一方面，有机材料种类繁多，分子结构易变，聚集排布多样，形成巨大的化学空间，这是成为新兴光电器件候选者的极大优势。但，另一方面，这也使得其光物理过程异常复杂，涉及多个不同自旋的电子激发态，多个衰减过程，多层次耦合，加大了理论研究和大规模材料筛选的难度。基于此，我们针对有机发光新材料，发展了高效的理论计算方法，揭示其发光物理性质的微观机制，提取主导光物理性质的关键参数，建立定量的构效关系，构建精准的描述符，开发机器学习辅助的高通量分子筛选模型，实现高性能有机发光材料的大规模筛选和预测。
个人简介：
彭谦，中国科学院大学特聘教授，博士生导师。2004年于西北大学获得硕士学位，2008年于中国科学院化学研究所获得博士学位。主要致力于复杂分子体系的激发态过程的理论与计算模拟，新型有机发光体系的发光机理及分子设计。在高水平杂志上发表学术论文200余篇，论文被引17000多次，H-index=75。曾获中国化学会唐敖庆理论化学青年奖，国家自然基金委杰出青年基金资助。现担任中国化学会理论化学专业委员会委员、中国化学会分子聚集发光专业委员会委员、《Communications in Computational Chemstry》副主编、《Aggregate》编委、《高等学校化学学报》中英文双刊青年编委。
![]()
课程参加
《飞桨AI for Science前沿讲座》系列课程将在腾讯会议、飞桨B站以及飞桨微信视频号同步直播，腾讯会议链接如下：
https://meeting.tencent.com/dm/ccQ9a8ZMC6d8
同时，百度飞桨还针对AI for Science提供入门实操性指导，相关课程《飞桨AI for Science代码入门与实操》自12月16日起，每周一固定时间19:00-20:00，在飞桨B站、飞桨微信视频号以及腾讯会议同步直播，会议链接：
https://meeting.tencent.com/dm/EF9AeSdPXA1I
欢迎感兴趣的研究者关注飞桨微信视频号，并扫码加入课程微信群获得《飞桨AI for Science前沿系列讲座课程》的最新动态。
![]()
