本期CCF学科前沿讲习班ADL127《AI+Science》，对科学智能这一新兴人工智能前沿交叉领域的基础方法、典型应用进行系统性介绍，既涵盖物理启发人工智能、反问题机器学习、可解释数理方程符号学习、几何深度学习等基础理论和方法，又包括开源平台和社区发展与实践、复杂系统建模与仿真、求解计算力学问题、未知规律知识挖掘、药物发现等跨学科场景应用介绍。本期讲习班邀请了领域内6位来自于国内外高校和企业科研机构的优秀学者，为该领域的青年学者作主题报告，帮助学员开阔科研视野、增强实践能力。
主办单位：中国计算机学会
本期ADL主题《AI+Science》,由中国人民大学高瓴人工智能学院长聘副教授、博导孙浩担任学术主任，邀请到张林峰（深势科技创始人兼首席科学家）、董彬（北京大学长聘副教授、博导）、王建勋（美国圣母大学长聘序列助理教授、博导）、虞琦（美国加州大学圣地亚哥分校长聘序列助理教授、博导）、唐建（加拿大蒙特利尔高等商学院和MILA人工智能研究所长聘副教授、博导）为青年学者作主题报告。活动日程：
2022年8月27日（周六）
9:00-9:15
开班仪式
9:15-9:30
全体合影
9:30-12:30
专题讲座1：AIforScience开源社区发展的实践与思考
张林峰深势科技创始人兼首席科学家
12:30-14:00
午餐
14:00-17:00
专题讲座2：SymbolicLearningofGoverningEquations
孙浩中国人民大学长聘副教授、博导
2022年8月28日（周日）
9:00-12:00
专题讲座3：ScientificMachineLearningforComputationalMechanics
王建勋美国圣母大学长聘序列助理教授、博导
12:00-13:30
13:30-16:30
专题讲座4：MachineLearningforInverseProblems
董彬北京大学长聘副教授、博导
2022年8月29日（周一）
专题讲座5：Physics-GuidedAIforLearningSpatiotemporalDynamics
虞琦美国加州大学圣地亚哥分校长聘序列助理教授、博导
专题讲座6：GeometricDeepLearningforDrugDiscovery
唐建加拿大蒙特利尔高等商学院和MILA人工智能研究所长聘副教授、博导
16:30-17:00
小结
特邀讲者：
张林峰深势科技
报告题目：AIforScience开源社区发展的实践与思考
报告题目：SymbolicLearningofGoverningEquations
报告摘要：科学探索，也许是人工智能领域新兴而最具有星辰大海想象空间的方向之一。大到宇宙天体运动演化，小到混乱无序的分子运动，在过去几个世纪中，科学家们前赴后继，探寻简单、优雅、和谐的数学符号方程，来描述大千世界的普适规律。从经典力学、电磁学到量子力学，一个又一个被发现的规律，在人类科学发展进程中留下浓墨重彩。而世界如此之广袤，还有太多的科学奥秘，未被人类发掘和定义。当AI成长为挖掘海量数据信息的关键利器，它为探索科学问题开启了一扇新的大门。这个报告将介绍符号学习与推理基本概念和方法，讨论如何从数据中提取数理方程，进一步探索用于描述未知系统状态的数学方程或定律。
王建勋美国圣母大学
报告题目：ScientificMachineLearningforComputationalMechanics
董彬北京大学
讲者简介：董彬，北京国际数学研究中心长聘副教授、国际机器学习研究中心副主任、大数据分析与应用国家工程实验室研究员、国家生物医学成像科学中心研究员。2003年本科毕业于北京大学数学科学学院、2005年在新加坡国立大学数学系获得硕士学位、2009年在美国加州大学洛杉矶分校数学系获得博士学位。博士毕业后曾在美国加州大学圣迭戈分校数学系任访问助理教授、2011－2014年在美国亚利桑那大学数学系任助理教授，2014年底入职北京大学。主要研究领域为科学计算、机器学习及其在计算成像和数据分析中的应用。现任期刊《InverseProblemsandImaging》编委、《CSIAMTransactionsonAppliedMathematics》、《JournalofComputationalMathematics》、《JournalofMachineLearning》副主编。2014年获得求是杰出青年学者奖，2022年受邀在世界数学家大会（ICM）做45分钟报告。
报告题目：MachineLearningforInverseProblems
报告摘要：报告将围绕科学计算和计算成像中的一些重要问题（如电磁仿真和流体计算中的逆向设计与模型约减、医疗影像重建与分析等），结合报告人个人科研经验，介绍机器学习如何与传统方法相结合从而进一步推动反问题算法的研究。
虞琦美国加州大学圣地亚哥分校
讲者简介：Dr.RoseYuisanassistantprofessorattheUniversityofCaliforniaSanDiego,DepartmentofComputerScienceandEngineering.Herresearchfocusesonadvancingmachinelearningtechniquesforlarge-scalespatiotemporaldataanalysis,withapplicationstosustainability,health,andphysicalsciences.Aparticularemphasisofherresearchisonphysics-guidedAIwhichaimstointegratefirstprincipleswithdata-drivenmodels.Amongherawards,shehaswonNSFCAREERAward,FacultyResearchAwardfromJPMorgan,Facebook,Google,Amazon,andAdobe,SeveralBestPaperAwards,BestDissertationAwardatUSC,andwasnominatedasoneofthe’MITRisingStarsinEECS’.
报告题目：Physics-GuidedAIforLearningSpatiotemporalDynamics
报告摘要：Applicationssuchaspublichealth,transportation,climatescience,andaerospaceengineeringrequirelearningcomplexdynamicsfromlarge-scalespatiotemporaldata.Suchdataisoftennon-linear,non-Euclidean,high-dimensional,anddemonstratescomplicateddependencies.Existingmachinelearningframeworksarestillinsufficienttolearnspatiotemporaldynamicsastheyoftenfailtoexploittheunderlyingphysicsprinciples.IwilldemonstratehowtoinjectphysicalknowledgeinAItodealwiththesechallenges.IwillshowcasetheapplicationofthesemethodstoproblemssuchasforecastingCOVID-19,trafficmodeling,acceleratingturbulencesimulations,andcombatinggroundeffectinquadcopterlanding.
唐建加拿大蒙特利尔高等商学院和MILA人工智能研究所
讲者简介：JianTangiscurrentlyanassociateprofessoratMila-QuebecAIInstituteandalsoatComputerScienceDepartmentandBusinessSchoolofUniversityofMontreal.HeisaCanadaCIFARAIResearchChair.Hismainresearchinterestsaregraphrepresentationlearning,graphneuralnetworks,geometricdeeplearning,deepgenerativemodels,knowledgegraphsanddrugdiscovery.DuringhisPhD,hewasawardedwiththebestpaperinICML2014;in2016,hewasnominatedforthebestpaperawardinthetopdataminingconferenceWorldWideWeb(WWW);in2020,heisawardedwithAmazonandTencentFacultyResearchAward.HeisoneofthemostrepresentativeresearchersinthegrowingfieldofgraphrepresentationlearningandhaspublishedasetofrepresentativeworksinthisfieldsuchasLINEandRotatE.HisworkLINEonnoderepresentationlearninghasbeenwidelyrecognizedandisthemostcitedpaperattheWWWconferencebetween2015and2019.Recently,hisgroupjustreleasedanopen-sourcemachinelearningpackage,calledTorchDrug,aimingatmakingAIdrugdiscoverysoftwareandlibraries.
报告题目：GeometricDeepLearningforDrugDiscovery
报告摘要：Drugdiscoveryisaverylongandexpensiveprocess,takingonaveragemorethan10yearsandcosting$2.5Btodevelopanewdrug.Artificialintelligencehasthepotentialtosignificantlyacceleratetheprocessofdrugdiscoverybyextractingevidencefromahugeamountofbiomedicaldataandhencerevolutionizestheentirepharmaceuticalindustry.Inparticular,graphrepresentationlearningandgeometricdeeplearning--afastgrowingtopicinthemachinelearninganddataminingcommunityfocusingondeeplearningforgraph-structuredand3Ddata---hasseengreatopportunitiesfordrugdiscoveryasmanydatainthedomainarerepresentedasgraphsor3Dstructures(e.g.molecules,proteins,biomedicalknowledgegraphs).Inthistalk,Iwillintroduceourrecentprogressongeometricdeeplearningfordrugdiscoveryandalsoanewlyreleasedopen-sourcemachinelearningplatformfordrugdiscovery,calledTorchDrug.
学术主任：
线下地址（疫情允许的情况下）：北京中国科学院计算技术研究所一层报告厅（北京市海淀区中关村科学院南路6号）
线上地址：报名交费成功后通过邮件发送。
报名须知：
1、报名费：CCF会员2800元，非会员3600元。食宿交通费用自理。根据交费先后顺序，会员优先的原则录取，额满为止。疫情期间，根据政府疫情防控政策随时调整举办形式（线上、线下）。