人工智能驱动的科学研究，即 AI for Science，作为一种全新的科研范式，正在成为新一轮科技革命的重要推动力，并将深入影响未来的产业形态。2023年3月，科技部、自然科学基金委联合启动了人工智能驱动的科学研究（AI for Science）专项部署工作，进一步加强对 AI for Science 创新工作的统筹指导。同时，科技部将以科技创新2030—“新一代人工智能”重大项目为牵引，加快人才、技术、数据、算力等要素汇聚，形成推进AI for Science的政策合力。AI for Science 的发展为科学研究新基础设施的打造、新人才培养模式的构建、新产业业态的形成带来了全新的机遇与挑战。
为深入探讨 AI for Science 最合适的发展模式，本次研讨会以“共谋领域发展新篇章”为主题，邀请到中国科学院院士、武汉大学校长张平文，武汉大学教授李振，深势科技创始人兼首席科学家、北京科学智能研究院 (AI for Science Institute, Beijing)副院长张林峰，深势科技创始人兼CEO孙伟杰，武汉大学教授赵焱，武汉大学教授郭宇铮，华中师范大学物理科学与技术学院副研究员彭云辉，DeepModeling社区负责人王一博作专题报告。相关方向顶尖学者和专家共聚一堂，围绕产学研各界关心的问题进行深入探讨。希望本次研讨会能够凝聚各方力量，共同推动 AI for Science 建设，共建 AI for Science 新时代。
本次研讨会下午的训练营部分将围绕“AI for Science科研实践与大模型”展开，介绍DeePMD-kit的最新进展——DPA-1预训练模型以及基于数据驱动的通用3D分子表示学习框架Uni-Mol的原理和使用方式。期待本次研讨会的训练营部分能够带领大家了解DPA-1和Uni-Mol预训练模型的使用方法和最新研究进展。
本次研讨会由武汉大学科学技术发展研究院、北京科学智能研究院、深势科技主办，武汉大学科学技术发展研究院武汉数学与智能研究院，湖北国家应用数学中心、DeepModeling开源社区协办。
一、活动概况
时间：2023年6月1日（周四）
主办单位：武汉大学科学技术发展研究院、北京科学智能研究院、深势科技
协办单位：武汉数学与智能研究院、湖北国家应用数学中心、DeepModeling开源社区
日程：
二、嘉宾阵容
张平文，中国科学院院士，发展中国家科学院院士。现任武汉大学校长、党委副书记；中国工业与应用数学学会理事长。张平文院士主要从事复杂流体的数学理论和计算方法，大数据分析与应用等方面的研究，他与合作者为液晶领域的Doi-Onsager模型奠定了数学基础并建立了Doi-Onsager模型与宏观的Ericksen-Leslie模型之间的联系；研究了一系列不同层次、不同尺度的模型之间的关系并发展了能够描述复杂相和动力学行为的统一模型；针对嵌段聚合物自洽场理论模型，发展了挖掘复杂结构的高效数值方法，设计了有序相变成核算法，这些方法和算法已经成为该领域模拟研究常用的工具。另外，他还在基于调和映射的移动网格方法、多尺度算法与分析等方面做出了创新性贡献。张平文院士担任国家自然科学基金委“复杂流体和复杂流动的计算方法与数学理论”创新研究群体学术带头人及“科学计算与机器学习”基础科学中心负责人，学术期刊《CSIAM Transactions on Applied Mathematics》主编，AMM等十余种国内外杂志的编委，累计在JAMS，SINUM，PRL等杂志发表论文100余篇，并在2018年应邀在国际数学家大会作45分钟邀请报告。
李振，武汉大学化学与分子科学学院二级教授，国家杰出青年科学基金获得者(2013年)，“中青年创新人才计划”入选者，国家创新人才，教育部特聘教授。英国皇家化学会会士(Fellow of RSC)。中国化学会聚集发光专业委员会副主任，教育部第八届科技委员会委员(化学化工学部)。研究方向为有机、高分子光电功能材料化学。至今已发表SCI论文200余篇，被引用20000余次，h指数为85。获授权发明专利26项，撰写《有机二阶非线性光学材料》(合著)一书。曾获中国化学会青年化学奖、亚洲化学会希望之星奖、日本化学会报告奖、宝钢优秀教师特等奖提名奖、霍英东教育基金会青年教师奖、湖北省自然科学一等奖、国家自然科学一等奖等。现为《有机化学》、《化学学报》、《Polymer Bulletin》、《Chinese Journal of Polymer Science》、《中国科学：化学》、《Materials Chemistry Frontiers》、《ACS Omega》、《J Phys Materials 》、《Aggregates》、《Cell Reports Physical Science》编委或者顾问编委。
张林峰，深势科技创始人&首席科学家，北京科学智能研究院 (AI for Science Institute, Beijing) 研究员，北京大学理学学士，普林斯顿大学应用数学博士。林峰长期致力于AI for Science跨学科领域的问题研究，在机器学习、计算物理化学、材料与药物设计等领域成果丰富。林峰带领团队发展了Deep Potential/Reinforced Dynamics/Uni-Mol/Uni-Fold等模型算法、DeePMD-kit/DeePKS-kit等开源软件、以及AI for Science领域最大的开源社区DeepModeling，领导社区基础设施建设、项目协同开发和运营工作。2020年，林峰作为核心开发者的工作获得高性能计算领域最高奖ACM戈登贝尔奖，该成果也入选了由两院院士评选的2020年度中国十大科技进展。
孙伟杰，深势科技创始人兼CEO，北京科学智能研究院(AI for Science Institute, Beijing) 战略发展顾问，中国管理科学研究院商学院“专精特新”企业培育专家库特聘专家，北京大学法学学士、管理学硕士。孙伟杰长期致力于AI for Science跨学科领域的问题研究，在创立深势科技前曾作为天使投资人活跃在科技、教育、企业服务等领域；曾任北京⼤数据研究院分⼦模拟中心执⾏主任，在AI for Science的研发管理、社区运营和商业开发等领域有丰富的经验。2021年，孙伟杰⼊选福布斯中国U30精英榜，2022年，入选福布斯亚洲U30精英榜并当选封面人物、入选胡润U30中国创业先锋榜单。
赵焱，武汉大学工业科学研究院二级教授，博导，国家高层次特聘专家和湖北省“百人计划”专家，长期从事理论计算化学和计算材料学等邻域的研究工作，在高精确度理论化学数据库的发展、新一代密度泛函的开发和应用、纳米材料的模拟、计算催化、计算化学软件开发、3D打印等领域做出了开拓性贡献。全世界许多研究小组应用赵教授发展的M06密度泛函方法进行理论计算模拟研究，有10位诺奖获得者运用过M06系列泛函，有200多篇 Nature和Science及其子刊的论文都运用了赵焱教授发展的M06理论计算方法。赵焱教授在其研究领域的国际权威刊物上发表高水平研究论文230余篇, SCI引用超过57000次, 其中M06论文单篇引用超过19000，H因子为65， 2014-2017连续4年都被美国汤森路透集团和科睿唯安公司列入全球高被引科学家名单。赵焱教授是美国惠普公司MJF-3D打印技术的主创人员之一，授权国际专利25项, 担任《Energy & Environmental Materials》（IF=13.4）副主编,《Interdisciplinary Materials》学术主编，《Nanomaterials》（IF=5.719）的Editorial Board Member。
郭宇铮，武汉大学电气与自动化学院教授，博士生导师，储能与新能源系系主任。本科毕业于北京大学物理学院，硕士毕业于美国佐治亚理工学院材料科学与技术系，博士毕业于英国剑桥大学工程系。致力于在电子器件与材料、新能源材料等方面的研究，发表SCI检索180论文余篇，所发表的论文被引用5000余次。
彭云辉，华中师范大学物理科学与技术学院副研究员，硕士生导师。长期从事生物物理和生物信息方向的研究工作，发展了生物大分子动力学模拟、软物质静电相互作用分析、致病性蛋白突变预测等物理模型和方法。利用统计物理与生物物理理论，结合机器学习和生物信息学方法，揭示不同生物大分子结构、功能、动态调控过程等的分子机制以及与癌症等不同人类疾病的关系。近年来,在Nature communications, Nucleic Acids Research, Bioinformatics，Journal of Molecular Biology等国际知名杂志上发表SCI论文30余篇。
王一博，DeepModeling开源社区负责人。本科和硕士毕业于北京大学信息科学技术学院，计算机专业，研究方向是机器学习与深度学习，深度扎根人工智能与教育行业，曾供职于一线互联网、教育行业。管理和运营全球最大的AI4Science社区DeepModeling开源社区，发起并组织AI4Science品牌教学活动“哥伦布训练营”，课程学员覆盖来自国内外上百所高校数万名学员。
张与之，深势科技算法研究员，毕业于北京大学。“深度势能”系列开源软件DeePMD-kit与DP-GEN的核心开发者之一，相关软件被广泛地用于分子模拟与材料设计；主导研发了药物设计领域自由能微扰计算软件Hermite® Uni-FEP与微尺度科学计算云平台Bohrium®，成果入选“北京建设国家人工智能创新应用先导区优秀案例” 。
三、参与方式
本次研讨会及训练营线上线下同步进行。
1、扫描下方二维码或点击链接填写问卷
2、报名链接：https://wj.qq.com/s2/12387093/2ea7/
文章来源：DeepModeling公众号
