12月4日，一场立足于科技革命时代转角的“未来之后”AI4S鹏城学术线上论坛（Next-Post-Future AI4S Pengcheng On-Line Symposium）将在线举办。

记者获悉，作为北京大学深圳研究生院、鹏城实验室联合发起，深圳中国科学院院士活动基地协办的一场高规格科研学术论坛，举办者期待更多关心科研、关注前沿的市民，能够分享AI资讯，共享科技创新成果，特向社会公益开放论坛线上资源——市民可通过扫码方式报名、参与论坛，聆听来自科技前沿的权威声音。

AI4S（AI for Science，AI用于科学发现）在工业产业实践中的应用潜力已被头部厂商充分认可和重视。生物科技、能源、半导体、材料等领域的行业先锋已经开始系统性投入AI4S的研究和具体行业解决方案的大规模应用。在工业仿真、合成农业、环境科学、机器人、天体物理、地质学、图形学等领域，AI4S也有巨大的想象空间有待开发。

据悉，中国科学院院士，北京大学党委常委、副校长，北京大学深圳研究生院院长，北京大学博雅讲席教授张锦，中国工程院院士，鹏城实验室主任，北京大学博雅讲席教授高文，将出任论坛联合主席。

同时，论坛还将高位链接全球创新学术资源，邀请AI for数理科学、材料设计、蛋白质组学、创新药物研发、城市科学等多领域的国内外杰出专家、学者分享AI4S的前沿科学突破，学术-产业“两栖”新锐介绍AI4S使能技术应用。届时，鄂维南、徐宗本、Ming Li、Konstantin Sergeevich Novoselov、贺福初、Michael Batty等多位知名院士、诺贝尔奖获得者将在论坛上亮相，围绕相关科技前沿问题，发表最新研究成果、探讨发展趋势、共享世界视域，以期共同开启人工智能与科学前沿创新之旅，更全面、深刻地剖析 AI4S领域未来发展图景。

“未来，AI4S带来的将不仅仅是几个点上的突破，而是科研方法的全面改变。从生命的基本组成（蛋白质）到世界工业的基本要素（材料）到各个科学技术领域，AI4S不只是解决具体问题的有力工具，更是重新定义科学问题的系统性思路。”

相关专家表示，在过去一两年里，人工智能和传统科研结合呈现的巨大潜能使得人工智能在科学中的应用出现了众多重要主题。例如，参与者期待使用人工智能方法来加速新材料的设计、发现和评估，并推动新硬件和软件系统的开发；在越来越高带宽的仪器数据流中识别新的科学和理论；通过在控制和分析循环中插入推理能力来改进实验；并支持从光源到HPC数据中心的复杂系统的设计、评估、自主操作和优化；使用群体基因组学数据来了解复杂性状的基础，以及发现或构建自动化微生物和植物细胞逆向设计的工作流程；利用新的生成模型和强化学习来探索抗癌药物的潜在化合物，评估它们的可合成性，或模拟它们在目标肿瘤中的反应。

论坛嘉宾简介

鄂维南

中国科学院院士、北京大学国际机器学习研究中心主任、数学科学学院教授。美国数学会会士，美国工业与应用数学学会会士，英国物理学会会士

报告题目：AI for Science

报告摘要：AI for Science是一种新的科研范式，它带来科研效率的提高和现有科研体系的改变，并将帮助开拓工业制造的新业态。基于此，应如何建立新的科研基础设施？如何选择课题、组建团队、确定目标？有哪些新的方向值得关注？哪些方面应该尽早布局？

徐宗本

中国科学院院士，数学家、信号与信息处理专家、西安交通大学教授，琶洲实验室主任

报告题目：如何学习学习方法论? AI for AI的―个尝试

报告摘要：学习学习方法论问题是函数空间上的学习问题，而SLeM是有限维空间上的超参赋值规则学习问题。这一研究为机器学习自动化提供了一个可行的理论框架，也为AI for AI提供了模型基础。报告严格定义学习学习方法论问题，提出SLeM的双层优化模型和“超参数化”求解方法，建立SLeM泛化性理论，并应用于几个具体的机器学习自动化问题,展示其有效性。

Ming Li

加拿大皇家科学院院士，ACM/IEEE/ISCB Fellow，滑铁卢大学University Professor

报告题目：基于人工智能的个体化新抗原发现和验证

报告摘要：2017年，Nature Biotechnology发表Editorial呼吁用质谱仪解决个体化癌症免疫治疗中的新抗原发现和验证的问题，本次报告将呈现完整的质谱仪+人工智能管线解决新抗原的发现和验证的需求。

Konstantin Sergeevich Novoselov

2010年诺贝尔物理学奖获得者，新加坡国立大学教授

报告题目：AI for Material Design

贺福初

中国科学院院士、发展中国家科学院院士、国家蛋白质科学中心（北京）理事长、军事科学院军事医学研究院研究员

报告题目：AI助力蛋白质组学解码人体分子构造原理

报告摘要：生命之要，生在基因组，命在蛋白质组。蛋白质组学是解码人体分子构造原理的必由之路。从数据到信息，从信息到知识，从知识到智慧，希望可借鉴拟时序分析、神经网络微分方程与多尺度建模等AI技术实现在时序数据不足的情况下构建多尺度人体动力学模型，定义人体状态空间，最终通过人体状态导航开创智慧医学新范式。

Michael Batty

英国皇家科学院院士、英国国家学术院院士、伦敦大学学院(UCL)教授

报告题目：AI, Digital Twins and the Science of Cities

报告摘要：In this talk Michael will review the history of AI from the times when computers were first invented in the middle of the20th century to today’s widespread computation dominated by real-time streaming and by the search for meaning in such big data sets. He will then move to discussing the notion that in complex systems such as cities we require more than one model of the same phenomena; in fact we need many models which can be pitted against one another, and that a new science of cities will depend on many different views of what this science is. This leads to the notion of‘digital twins’ and he will illustrate several examples of such twins for the same area of London but‘twins’ –‘models’ – based on four very different conceptions of cities but all of the same place.

孙伟杰

深势科技创始人&CEO

报告题目：AI for Science新范式驱动药物和材料理性设计

报告摘要：药物和材料大市场面临核心瓶颈，生发全新的研发需求；Al带来对高维函数的有效拟合和求解工具；A14S新范式解决微观尺度分子模拟问题，为药物、材料领域带来极具突破性的计算模拟及设计工具；Hermite®药物。

廖矿标

广州国家实验室研究员、广州标智未来科学技术有限公司创始人

报告题目：化学合成自动化与智能化

报告摘要：多样化的生产生活需求对应了多样化的化合物结构，而多样化的化合物结构往往需要通过多样化的化学合成技术来创造。化学合成存在依赖高水平人才手动重复试错的问题，如何实现自动化与智能化逐步受到广泛的关注。本次报告廖矿标团队将分享在实验室自动化、高通量实验平台、数据建库以及人工智能预测模型等方面的探索与收获。

李阳

溪砾科技联合创始人/董事长

报告题目：创新药物研发新范式：AI+RNA+小分子

报告摘要：传统小分子药物研发通常以蛋白质为靶点，但在近2万个已知基因中，约3000个基因被认为是可成药的，经过 FDA批准可靶向的靶点仅约600~700个，靶向蛋白质的小分子药物研发空间有限，而沿着中心法则向上追溯，靶向RNA可有效扩展这一空间。ReviR通过搭建AI驱动的药物研发平台VoyageR进行靶向RNA的小分子药物研发，借助算法和大规模测序解析 RNA结构、建立自动化迭代模型、进行RNA靶点与相关化合物的大规模筛选及优化，高速而有效推进研发进程，打造创新药物研发新范式。

郑家新

北京大学深圳研究生院副教授、深圳屹艮科技有限公司首席科学家

报告题目：机器学习力场应用于锂金属负极生长机理研究

报告摘要：锂枝晶是阻碍锂金属负极商业化应用的关键问题，对其动力学机理的研究对探寻抑制锂枝晶生长的有效手段至关重要。动力学机理的研究主要依赖分子动力学、相场、有限元等计算模拟，但都精度有限，难以精确观察到微观动力学行为。机器学习力场兼顾了第一性原理的精度和分子动力学的计算效率，为锂枝晶的动力学研究提供了有效手段。我们基于机器学习力场对锂枝晶的生长机理上做了深入和系统的工作，为实验上抑制锂枝晶生长提供了有效解决方法。

郭天南

西湖大学特聘研究员、西湖大学蛋白质组大数据实验室负责人、西湖欧米创始人

报告题目：AI赋能的蛋白组学最新进展

报告摘要：报告展示了蛋白质组学在生命科学中的价值和应用，将人工智能应用于蛋白质组学，并与大量临床数据相结合，探索生物标志物，加速蛋白质组学技术成果在肿瘤领域的最新进展，同时介绍了AI赋能的蛋白质组大数据科技领域的产业转化/落地等前沿资讯。

市民可扫码参与论坛， 共同见证新科学革命的诞生。