重磅分享！60+强推-AI4Science-百科全书式概述人工智能在量子、原子级和连续系统科学的应用

介绍

    人工智能（AI）的进步正在推动自然科学新发现的新范式。如今，AI已经开始通过提高、加速和促进我们对各种空间和时间尺度下自然现象的理解，推动自然科学的发展，催生出了被称为科学人工智能（AI4Science）的新研究领域。作为一种新兴的研究范式，AI4Science是一个庞大且高度跨学科的领域。因此，对这个领域进行统一和技术处理是必要的，但也充满挑战。本文旨在对AI4Science的一个子领域提供深入且技术全面的阐述，即针对量子、原子和连续体系的AI。这些领域旨在理解从亚原子（波函数和电子密度）、原子（分子、蛋白质、材料和相互作用）到宏观（流体、气候和地下）尺度的物理世界，构成了AI4Science的重要子领域。关注这些领域的独特优势在于，它们在很大程度上共享一组挑战，从而允许进行统一和基础的处理。一个关键的共同挑战是如何通过深度学习方法捕捉物理第一原理，特别是自然系统中的对称性。我们提供了对实现对称性变换等变性技术的深入而直观的阐述。我们还讨论了其他常见的技术挑战，包括可解释性、分布外泛化、基础和大型语言模型的知识转移，以及不确定性量化。为了便于学习和教育，我们提供了我们发现有用的资源的分类列表。我们力求做到全面和统一，希望这个初步的努力能激发更多的社区兴趣和努力，以进一步推动AI4Science的发展。

   免费获取地址：重磅分享！60+强推-AI4Science-百科全书式概述人工智能在量子、原子级和连续系统科学的应用

    经过几十年的人工智能（AI）研究，神经网络的复兴在深度学习的名义下达到了顶峰 [LeCun等人，1998]。自AlexNet [Krizhevsky等人，2012]以来，十年的密集研究已经导致了深度学习的许多突破，例如，ResNet [He等人，2016]，扩散和基于分数的模型 [Ho等人，2020; Song等人，2020]，注意力，变换器 [Vaswani等人，2017]，以及最近的大型语言模型（LLM）和ChatGPT [OpenAI 2023]等。这些发展使得深度模型的性能不断提高。当配合日益增长的计算能力和大规模数据集时，深度学习方法正在变成各种领域的主导方法，例如计算机视觉和自然语言处理。受这些进步的推动，AI已经开始通过提高、加速和促进我们对各种空间和时间尺度下自然现象的理解，推动自然科学的发展，催生出了被称为科学人工智能的新研究领域。我们相信，科学人工智能为科学发现的新范式开启了一扇门，并代表了最令人兴奋的跨学科研究和创新领域之一。从历史上看，计算在加速自然科学发现中的重要性已经被注意到。