AI + 科學計算
過去10年，人工智能（AI）技術深刻影響了人類社會，也在逐漸改變許多學科的研究範式。在科學計算的諸多領域存在待求解的問題機理不清楚，或者雖然問題具有明確的機理，但由於過於複雜以至於傳統算法難以求解的困難。AI技術，特別是機器學習和強化學習方法，基於實驗或者計算產生的數據對所求解的問題進行可計算建模，從而得到複雜問題的有效解決方式，這對當今科學計算領域的研究範式已經產生了巨大影響。與此同時，以深度學習為代表的AI在內部機理、數學理論、基礎算法等方面尚不清楚、不完善，AI方法的穩健性、精確度等尚缺乏嚴格的數學論證，這正對其進一步發展造成嚴重阻礙。然而，結合機理的思維方式將有可能對面向數據的AI技術，提供新的洞見與研究途徑。因此，AI與科學計算的結合，勢必會推動兩個領域的共同發展。
本期“AI+科學計算”Webinar 彙集計算數學、科學計算及超大規模計算等領域的交叉研究學者，從“AI for Scientific Computing”和“Scientific Computing for AI”兩個視角進行前沿討論，以期能碰撞出創新的思想之火花。
活動日期
2020年5月9日（週六）晚上19:30-22:00（北京時間）
參與方式
PolyV線上直播平臺
主題內容
- 科學計算的現狀和挑戰
- 科學計算與人工智能融合的價值、研究的路徑和案例
- 科學計算與人工智能融合的未來發展方向
活動議程
19:30-19:40 主持開場
19:40-20:40 主題分享
20:40-21:30 主題討論
21:30-22:00 問答環節Q&A
討論議題
- ML+SC目前還是有很多質疑，我們自己估計也有質疑，主要是ML的學科特點和SC不同，關注的點也不同，那樣怎樣的ML+SC的工作才算是好的工作，要做到什麼程度？
- 對ML感興趣的如何運用SC的技術來解決ML的問題，哪些是最適合的問題？
- 從事SC研究的人如何入手ML，怎麼甄別自己的問題哪些環節適合用ML來解決？
- 從產業界的角度，高性能計算與人工智能融合有什麼應用路徑和價值？
- 對於ML+SC的學生培養，有什麼給學生的建議？
(ML=Machine Learning; SC=Scientific Computation)
報告摘要
《智能時代的科學計算：低維表達與高維問題的自然融合》——李若
經典的科學計算在過去的半個多世紀徹底改變了科學研究和科學本身的面貌，這些成就激勵人們不斷去挑戰更為本質的困難，其中一個典型的代表就是高維問題的求解，基於計算技術本身所發展起來的大數據相關技術為高維問題的求解提供了新的契機。從逼近論的角度來看，各種神經網絡從大圖景上就是為高維的函數給了一種低維的表達方式。種種跡象表明，此種表達方式具有極高的有效性和逼真度，竟可以使人們模糊地對其產生智能的感覺。我試圖在報告中描述使用如此智能的低維表達技術來求解高維的科學計算問題的大致途徑，相信我們都樂見在不久的將來可以實現高維問題的求解技術和智能的低維表達技術的自然融合。
《淺論超級計算、人工智能與科學計算的融合發展：以偏微分方程求解為例》——楊超
近年來，超級計算機的計算能力不斷突飛猛進，為科學計算和人工智能領域的諸多難題的解決提供了強大的算力支撐。與此同時，科學計算和人工智能的發展也對超級計算機的研製產生了深刻影響。科學計算一般以準確的數學模型為根基，以嚴謹的計算方法為手段，對應用領域中氣候氣象、能源材料、航空航天、生物醫藥等問題進行模擬。而人工智能則往往依賴於以神經網絡為代表的具有“萬能逼近”性質的數學工具從數據中挖掘規律，從而在圖像處理等類型的任務上實現超越人類水準的突破。超級計算、人工智能與科學計算這三個蓬勃發展的領域是否可能實現某種程度的結合甚至融合？我將試圖以偏微分方程求解為例，分享我們在這一方向上的一些思考。
《多尺度問題：科學計算+人工智能Crack the Multiscale Problem: Scientific Computing + Artificial Intelligence》——明平兵
自然界中諸多現象如材料損傷與破壞、流體湍流、核爆炸過程、生物大分子等均呈現出巨大的尺度效應, 並伴隨著不同尺度上的物理多樣性和強耦合性以及多個時間與空間尺度的強關聯。這些典型的多尺度問題的求解一直是非常有挑戰性的課題。科學計算曾經並正在為求解多尺度問題發揮重要作用，但目前也碰到了瓶頸。人工智能為解決多尺度問題提出了新的思路。本報告試圖從科學計算與人工智能的融合角度出發闡述針對多尺度問題新的求解途徑。
《基於流形和偏微分方程的機器學習數學模型》——史作強
機器學習尤其是深度學習近年來取得了巨大的成功，深度學習的數學模型和理論已經成為應用數學研究的熱點課題。我們將從微分流形和偏微分方程的角度對機器學習建立數學模型，嘗試建立可解釋、具有內在魯棒性的數學模型和理論，並發展相應的計算方法。
嘉賓信息
主持嘉賓
董彬 未來論壇青創聯盟成員，北京大學北京國際數學研究中心長聘副教授
董彬，北京大學，北京國際數學研究中心長聘副教授、助理主任，北京大學人工智能研究院數理基礎中心主任。2003年本科畢業於北京大學數學科學學院、2005年在新加坡國立大學數學系獲得碩士學位、2009年在美國加州大學洛杉磯分校數學系獲得博士學位。博士畢業後曾在美國加州大學聖迭戈分校數學系任訪問助理教授、2011－2014年在美國亞利桑那大學數學系任助理教授，2014年底入職北京大學。主要研究領域為應用調和分析、反問題計算、深度學習及其在圖像和數據科學中的應用。在國際重要學術期刊和會議上發表論文60餘篇，現任期刊《Inverse Problems and Imaging》編委。2014年獲得香港求是基金會頒發的求是傑出青年學者獎，2019年入選北京智源人工智能研究院“智源學者”。
主講嘉賓
李若 北京大學教授
李若，博士畢業於北京大學數學科學學院，現為該院教育部長江特聘教授，博士生導師，副院長。研究方向為偏微分方程數值解，具體是網格自適應方法和流體力學數值方法，解決了已經存在了六十餘年的Grad矩模型雙曲性缺失的問題。他是第九屆國際工業與應用數學大會報告人，獲得第十二屆馮康科學計算獎、國家傑出青年基金、全國百篇優秀博士論文獎，入選教育部新世紀人才計劃。他曾經或正在擔任SISC、NMTMA、AAMM編委，《數值計算與計算機應用》副主編，北京計算數學學會理事長、監事長，中國數學會計算數學分會副主任委員，教育部數學類專業教指委副主任，北京大學科學與工程計算中心主任、應用物理與技術中心副主任。
明平兵 中國科學院數學與系統科學研究院研究員
2000年博士畢業於中國科學院數學與系統科學研究院，目前是該院研究員並擔任科學與工程計算國家重點實驗室副主任。主要從事計算數學及科學計算的研究，特別是固體多尺度建模、模擬及多尺度算法的研究。他預測了石墨烯的理想強度並在Cauchy-Born法則的數學理論、擬連續體方法的穩定性方面有較為系統的工作。他在JAMS, CPAM, ARMA, PRB, SINUM, Math. Comp. Numer. Math, MMS. 等國際著名學術期刊上發表學術論文五十餘篇。他曾應邀在SCADE2009，The SIAM Mathematics Aspects of Materials Science 2016等會議上作大會報告。他於2014年獲得國家傑出青年基金，2019年入選北京智源人工智能研究院“智源學者”。
史作強 清華大學數學科學系副教授
從事偏微分方程數值方法的研究，對於基於偏微分方程的機器學習的數學模型、理論和算法有深入的研究。在國內外知名學術期刊發表文章40餘篇，2019年入選北京智源人工智能研究院"智源學者"。
楊超 北京大學教授
楊超，北京大學數學科學學院教授，博士生導師。主要從事與超大規模並行計算相關的模型、算法、軟件和應用研究，研究領域涉及計算數學、計算機科學與應用領域的交叉。研究成果曾先後獲2012年中國科學院盧嘉錫青年人才獎、2016年美國計算機學會“戈登·貝爾”獎 (ACM Gordon Bell Prize)、2017年中國科學院傑出科技成就獎、2017年CCF-IEEE CS青年科學家獎等，2019年入選北京智源人工智能研究院“智源學者”。目前擔任北京大學科學與工程計算中心副主任，中國科學院軟件研究所學術/學位委員會委員，中國工業與應用數學學會“高性能計算與數學軟件”專業委員會副主任兼秘書長，中國新一代人工智能產業技術創新戰略聯盟“AI指令集與開發接口”標準專題組組長等職務。
討論嘉賓
熊濤 未來論壇青創聯盟成員，廈門大學數學學院教授
熊濤，廈門大學數學科學學院教授，博士生導師，主要從事計算流體力學和動理學方程高精度數值方法的研究。2007年和2012年本科和博士畢業於中國科學技術大學。2015年入職廈門大學。獲歐盟2015年度瑪麗居里學者，2016年至2018年在法國圖盧茲第三大學從事訪問合作研究。
往期活動：
4月25日 《AI+腦科學》
觀看回放：https://live.polyv.cn/session/1315432/26f58a93c919643a24034fdc4502734d?isWatchBack=1&hasFrame=1
YOSIA Webinar
旨在促進交叉學科的深度學術交流，探討科研尖端問題，期望通過啟發跨學科、跨領域合作，為學術研究帶來新思維角度。2020年，推出「AI+ X科學」系列主題，邀請來自不同科研領域的青年科學家，分享AI推動科學發現的科研案例，一同探討AI賦能科學與技術創新的發展方向。
未來論壇青年科學家創新聯盟
簡稱“青創聯盟”，為全球優秀的華人青年科學家提供學術探討與思想交流的平臺，在跨界碰撞中暢想未來，在交叉合作中孕育新思想，以共同推動跨界前沿科學的進步，從而發掘科研界的未來世界級領袖。 青創聯盟成員可以在未來論壇平臺上開展學術分享、科普宣傳和科技成果轉化
