AI＋科学计算的结合与共同发展

引言

过去10年，人工智能（AI）技术深刻影响了人类社会，也在逐渐改变许多学科的研究范式。在科学计算的诸多领域存在待求解的问题机理不清楚，或者虽然问题具有明确的机理，但由于过于复杂以至于传统算法难以求解的困难。AI技术，特别是机器学习和强化学习方法，基于实验或者计算产生的数据对所求解的问题进行可计算建模，从而得到复杂问题的有效解决方式，这对当今科学计算领域的研究范式已经产生了巨大影响。与此同时，以深度学习为代表的AI在内部机理、数学理论、基础算法等方面尚不清楚、不完善，AI方法的稳健性、精确度等尚缺乏严格的数学论证，这正对其进一步发展造成严重阻碍。然而，结合机理的思维方式将有可能对面向数据的AI技术，提供新的洞见与研究途径。因此，AI与科学计算的结合，势必会推动两个领域的共同发展。

本期“AI+科学计算”Webinar 汇集计算数学、科学计算及超大规模计算等领域的交叉研究学者，从“AI for Scientific Computing”和“Scientific Computing for AI”两个视角进行前沿讨论，以期能碰撞出创新的思想之火花。

活动详情

活动主题：AI + 科学计算

活动时间：

北京时间 2020年5月9日（周六）晚上19:30-22:00

美东时间 2020年5月9日 07:30-10:00

美西时间 2020年5月9日 04:30-07:00

参与方式：POLYV线上直播间（活动前3天公布）

活动流程：

19:30-19:40 主持开场

19:40-20:40 主题报告

--《智能时代的科学计算：低维表达与高维问题的自然融合》-李若

--《浅论超级计算、人工智能与科学计算的融合发展：以偏微分方程求解为例》-杨超

--《多尺度问题：科学计算+人工智能》–明平兵

--《基于流形和偏微分方程的机器学习数学模型》-史作强

20:40-21:30 主题讨论

--主持：董彬

--讨论嘉宾：李若、明平兵、史作强、熊涛、杨超

21:30-22:00 问答环节Q&A

活动内容：

·科学计算的现状和挑战

·科学计算与人工智能融合的价值、研究的路径和案例

·科学计算与人工智能融合的未来发展方向

讨论议题：

·ML+SC目前还是有很多质疑，我们自己估计也有质疑，主要是ML的学科特点和SC不同，关注的点也不同，那样怎样的ML+SC的工作才算是好的工作，要做到什么程度？

· 同样，对ML感兴趣的如何运用SC的技术来解决ML的问题，哪些是最适合的问题？

·从事SC研究的人如何入手ML，怎么甄别自己的问题哪些环节适合用ML来解决？

·从产业界的角度，高性能计算与人工智能融合有什么应用路径和价值？

·对于ML+SC的学生培养，有什么给学生的建议？

(ML=Machine Learning; SC=Scientific Computation)