2024年12月21日，由城市科学与计算研究中心主办的“Physic-informed AI for Complex Systems”技术研讨会成功召开（以下简称“研讨会”），本次研讨会采用线上与线下相结合的方式，介绍近年来物理学与人工智能结合的重要进展，探讨AI算法与平衡态和非平衡态物理理论结合的技术。在研讨过程中我们分析了具有先验知识的AI算法与纯数据驱动的AI算法在地球科学、生命系统、蛋白质系统和城市系统等领域的应用和前景，共有博士后、研究生、本科生等60余人参加了此次研讨会。
本次研讨会首先对AI算法与物理理论结合进行了概述，然后讨论了AI算法与平衡态统计物理理论之间的关系并讨论了AI算法与非平衡态统计物理理论的联系，最后研讨会讨论了具有先验知识的AI算法在复杂系统科学中的应用。
Part.1
首先进行第一部分《AI算法与物理理论结合概述》的分享，由博士后刘家臻进行介绍。首先从今年诺贝尔物理学奖和化学奖与AI技术的关系切入，从物理启发的人工智能算法的发展时间线出发，介绍了从人工神经网络到扩散模型的一系列物理启发的人工智能算法的发展历程，并简要概括了其与凝聚态和非凝聚态物理之间的联系。
刘家臻
Part.2
第二部分为《AI算法与平衡态统计物理理论》。由博士生刘畅进行介绍，主要介绍了能量基模型、伊辛模型、受限玻尔兹曼机和深度能量基生成模型及其延伸应用。重点介绍了深度能量基模型在数据生成等方面的最新进展，并讨论如何将平衡态复杂系统理论与人工智能结合，以推动更高效的生成模型研究与应用。
刘畅
Part.3
第三部分主题为《AI算法与非平衡态统计物理理论》。由硕士生李瑞堃介绍，主要以非平衡过程为核心，从其定义入手，分别讨论了Master方程、Fokker-Planck方程等理论建模和PINN、Neural ODE等数据驱动建模，并讨论了由非平衡过程启发的机器学习方法。最后，探讨不同模态时间序列生成与非平衡过程之间的联系及其结合的潜力。
李瑞堃
Part.4
第四部分主题为《具有先验知识的AI算法在复杂系统科学中的应用》。由博士后徐恩、博士生陈智隆、于子涵、李思博、徐敬博介绍。综述了物理启发的人工智能算法在地球科学、生命系统、蛋白质系统及城市系统中的研究方法和应用，探讨了基于物理规则的模型与数据驱动的机器学习模型在这几个领域中的应用实例及其差异，为复杂系统的研究提供了全面视角。
徐恩
陈智隆
于子涵
徐敬博
研讨会尾声，博士后丁璟韬总结了所有报告内容，并指出了未来的关键研究方向。随后，参会者进入最后的头脑风暴环节，针对前沿议题展开了热烈讨论。讨论结束后，全体与会人员合影留念，标志着本次研讨会圆满结束。
