量子力学利用波函数研讨最小长度标准的物理征象，波函数形貌了量子体系的完整静态

　　量子力学利用波函数研讨最小长度标准的物理征象，波函数形貌了量子体系的完整静态。在量子物理学中，波函数是经由过程解薛定谔方程获得的，这带来了指数级的庞大性。在这项事情中，我们供给了怎样设想先辈的深度进修办法以高效进修神经收集波函数的手艺回忆。

　　在这项事情中，我们供给了对科学野生智能的几个研讨范畴的手艺性和同一的回忆，这些范畴是研讨职员在已往几年中不断在研讨的。我们按照物理天下被建模的空间和工夫标准来构造科学野生智能的差别范畴。我们在本文中存眷的科学范畴的概览如图1所示。

　　散布外（OOD）泛化和因果性：传统的机械进修办法假定锻炼数据和测试数据遵照不异的散布。实践上，锻炼数据和测试数据之间能够存在差别的散布偏移，提出了需求辨认可以停止OOD泛化的因果身分的需求。OOD泛化在科学模仿中特别相干，由于这制止了为每一个差别设置天生锻炼数据的需求。

　　1.2 科学野生智能的手艺范畴 我们曾经察看到，在科学野生智能的多个范畴存在一系列配合的手艺应战。

　　教诲：科学野生智能是一个新兴且开展疾速的研讨范畴，有很多有效的资本在线或实地开辟出来。为了便于进修和教诲，我们曾经体例了我们以为有效的资本的分类列表。我们也供给了我们对社区怎样能更好地增进AI与科学和教诲的整合的概念。

　　在这项事情中，我们对近来用于署理建模的深度进修办法停止了回忆，这些办法处理了这些限定。在每一个范畴，我们都供给了准确的成绩设置，并会商了利用AI处理这类成绩的枢纽应战。然后，我们对曾经开辟的次要办法停止了概述。我们还形貌了用于评价机械进修办法的数据集和基准。最初，我们总结了每一个研讨范畴中的盈余应战，并提出了几个将来的研讨标的目的。在合用的状况下探究科学百科丛书陆地读后感，我们在每一个末节的开首包罗了保举的准备章节，以指出各节之间的依靠性。团体的分类构造总结为图2。本文提出了一个片面的分类法，以对称性、等变性和群论的同享数学和物理道理为根底，深化讨论了科学野生智能范畴内的七个详细范畴，并会商了在多个范畴中存在的配合手艺应战。这使得科学野生智能的片面和构造化的探究成为能够。

　　在生物学等其他范畴，底层的生物物理历程能够并未完整被了解，也能够终极没法用数学方程来形貌。在这些状况下，能够利用尝试天生的数据来锻炼深度进修模子，以模仿底层的生物物理历程。比方，在生物学中，像AlphaFold [Jumper等人，2021]、RoseTTAFold [Baek等人，2021] 和ESMFold [Lin等人，2022a]如许的AI体系，其经由过程尝试获得的3D构造停止锻炼，使得计较猜测卵白质3D构造的精确机能够与尝试成果相媲美。除手艺应战外，这些范畴的一个枢纽元素是大批尝试天生的数据的可用性。比方，AlphaFold、RoseTTAFold和ESMFold的胜利，很大水平上依靠于利用尝试天生的大批卵白质3D构造数据，并存储在比方卵白质数据银行如许的数据库中。

　　质料科学研讨加工、构造、机能和质料的干系。质料的内涵构造从原子到微观和持续标准决议了它们的量子、电子、催化、机器、光学、磁性和其他性子经由过程与内部刺激/情况的互相感化。近来，人们曾经开辟出了猜测晶体质料性子和设想新奇晶体构造的机械进修办法探究科学百科丛书陆地读后感。在这项事情中，我们对晶体质料的性子猜测和构造天生供给了手艺回忆。

　　可注释性：科学的目的是了解物理天下的主导划定规矩。因而，科学野生智能的目的是（1）设想可以精确模仿物理天下的模子，和（2）注释模子以考证或发明主导的物理划定规矩[E et al. 2020]。因而，可注释性在科学野生智能中是相当主要的。

　　份子互相感化研讨怎样经由过程份子互相感化来施行很多物理和生物功用。近来在机械进修方面的前进激发了在模仿各类份子互相感化，如配体-受体和份子-质料互相感化方面的再起。在这项事情中，我们对这些前进停止了深化和片面的回忆探究科学百科丛书陆地读后感。

　　图1. 科学野生智能当选定研讨范畴的综合概览。如第1.1节所述，我们存眷的是量子力学、密度泛函实际科学百科知识pdf、小份子、卵白质、质料、份子互相感化和偏微分方程的野生智能。我们在最外层的圆圈中以视觉情势描画了这些多样化的范畴百科全书英语单词。这些范畴根据其各自的物理天下建模的空间和工夫标准停止布列，凸起了量子、原子和持续体系。值得留意的是，如第1.2节所总结的，一系列配合的手艺思索和应战，如对称性、可注释性和散布外泛化，存在于这些多个科学野生智能研讨范畴。我们在最内层的圆圈中展现了这些手艺范畴。

　　将来智能尝试室的次要事情包罗：成立AI智能体系智商评测系统，展开天下野生智能智商评测；展开互联网（都会）大脑研讨方案，构建互联网（都会）大脑手艺和企业图谱，为提拔企业，行业与都会的智能程度效劳。逐日保举范畴将来科技开展趋向的进修型文章。目火线上平台已珍藏上千篇精髓前沿科技文章和陈述。

　　小份子，也被称为微份子，凡是有几十到几百个原子，并在很多化学和生物过程当中阐扬主要的调理和旌旗灯号通报感化。比方，90%的核准药物都是小份子，它们能够与靶标大份子（如卵白质）互相感化，改动靶标的活性或功用。比年来，利用机械进修办法加快了对原子级小份子的科学发明的严重停顿。在这项事情中，我们对小份子表征进修、份子天生、模仿和动力学停止了深化的手艺回忆。

　　持续力学利用偏微分方程（PDEs）对宏观程度的工夫和空间演变的物理历程停止建模科学百科知识pdf，包罗流体活动、热通报和电磁波等。但是，利用典范解算器求解PDEs有几个限定，包罗服从低、散布外泛化和多分辩率阐发艰难等。

　　根底模子和大型言语模子：当标注的锻炼数据不简单得到时，停止无监视或少数样本进修的才能变得主要。近来，根底模子[Bommasani et al. 2021]曾经在天然言语处置使命上展现了使人鼓励的机能。凡是，根底模子是大范围模子，它们在自我监视或可泛化的监视下停止预锻炼，许可以少样本或零样本的方法施行各类下流使命。因为GPT-4等大型言语模子（LLM）的最新开展，这类形式变得愈来愈盛行百科全书英语单词。我们供给了我们对这类范式怎样加快科学野生智能发明的概念。

　　野生智能（AI）的前进正在鞭策天然科学新发明的新范式。现在，AI曾经开端经由过程进步、加快和增进我们对各类空间和工夫标准下天然征象的了解，鞭策天然科学的开展百科全书英语单词，催生出了被称为科学野生智能（AI4Science）的新研讨范畴。作为一种新兴的研讨范式，AI4Science是一个宏大且高度跨学科的范畴。因而，对这个范畴停止同一和手艺处置是须要的，但也布满应战。本文旨在对AI4Science的一个子范畴供给深化且手艺片面的论述，即针对量子、原子和持续系统的AI。这些范畴旨在了解从亚原子（波函数和电子密度）、原子（份子、卵白质、质料和互相感化）到宏观（流体、天气和公开）标准的物理天下，组成了AI4Science的主要子范畴。存眷这些范畴的共同劣势在于，它们在很大水平上同享一组应战，从而许可停止同一和根底的处置百科全书英语单词。一个枢纽的配合应战是怎样经由过程深度进修办法捕获物理第一道理，出格是天然体系中的对称性探究科学百科丛书陆地读后感。我们供给了对完成对称性变更等变性手艺的深化而直观的论述。我们还会商了其他常见的手艺应战，包罗可注释性百科全书英语单词、散布外泛化、根底和大型言语模子的常识转移，和不愿定性量化。为了便于进修和教诲，我们供给了我们发明有效的资本的分类列表。我们力图做到片面和同一，期望这个开端的勤奋能激起更多的社区爱好和勤奋，以进一步鞭策AI4Science的开展。

　　密度泛函实际（DFT）和重新算量子化学办法是普遍使用于理论中的第一性道理办法，用于计较份子和质料的电子构造和物理性子。但是，这些办法仍旧在计较上高贵，限定了它们在小体系（∼1,000个原子）中的利用。在这项事情中，我们对深度进修办法停止了手艺回忆，这些办法用于精确猜测量子张量，这反过来能够用来推导出很多其他物理和化学性子，包罗份子和固体的电子、机器、光学、磁性和催化性子。我们还会商了用于密度泛函进修的机械进修办法。

　　卵白质是由一个或多个氨基酸链构成的大份子。人们遍及以为，氨基酸序列决议了卵白质的构造，而构造又决议了它们的功用。卵白质施行大部门的生物功用，包罗构造性、催化性、繁衍性、代谢性和运输性等脚色。近来，机械进修办法在卵白质构造猜测方面获得了明显的前进[Jumper et al. 2021; Baek et al. 2021; Lin et al. 2022a]。在这项事情中，我们供给了怎样从卵白质3D构造中进修暗示，和怎样天生和设想新奇卵白质的手艺回忆。

　　颠末几十年的野生智能（AI）研讨，神经收集的再起在深度进修的名义下到达了高峰 [LeCun等人，1998]。自AlexNet [Krizhevsky等人，2012]以来，十年的麋集研讨曾经招致了深度进修的很多打破，比方，ResNet [He等人，2016]，分散和基于分数的模子 [Ho等人，2020; Song等人，2020]，留意力，变更器 [Vaswani等人，2017]，和近来的大型言语模子（LLM）和ChatGPT [OpenAI 2023]等。这些开展使得深度模子的机能不竭进步。当共同日趋增加的计较才能和大范围数据集时，深度进修办法正在酿成各类范畴的主导办法，比方计较机视觉和天然言语处置。受这些前进的鞭策，AI曾经开端经由过程进步、加快和增进我们对各类空间和工夫标准下天然征象的了解，鞭策天然科学的开展，催生出了被称为科学野生智能的新研讨范畴。我们信赖，科学野生智能为科学发明的新范式开启了一扇门，并代表了最使人镇静的跨学科研讨和立异范畴之一。从汗青上看，计较在加快天然科学发明中的主要性曾经被留意到。险些一百年前，在1929年，量子物理学家保罗·狄拉克指出：“关于大部门物理学和局部化学的数学实际所需的根底物理法例曾经完整被我们所知探究科学百科丛书陆地读后感，而艰难在于，这些法例的准确使用会招致庞大得难以处理的方程。”在量子物理学中，尽人皆知，薛定谔方程为量子体系的举动供给了准确的形貌，可是因为其指数级的庞大性，只能处理十分小的体系。在流膂力学中，纳维-斯托克斯方程形貌了流体活动的时空静态，可是处理这些方程的实践有效巨细长短常需求的，出格是在需求计较服从的状况下。与这两个例子相似，很多天然科学成绩的底层物理已知，并能够由一组数学方程形貌。枢纽的艰难在于怎样精确和有用地处理这些方程。近来的研讨曾经显现，深度进修办法能够加快这些方程的解的计较。比方百科全书英语单词，曾经利用深度进修办法来计较量子物理中的薛定谔方程的解 [Pfau等人，2020; Hermann等人，2020, 2022] 和流膂力学中的纳维-斯托克斯方程 [Kochkov等人，2021b; Brunton等人，2020]。在这些范畴中，模仿器被用来计较数学方程的解，成果被用作锻炼深度进修模子的数据。一旦锻炼完成，这些模子能够以比模仿器快很多的速率停止猜测。除进步服从，曾经证实深度进修模子具有更好的散布外（OOD）泛化才能，其范畴扩大到了更普遍的实践设置，此中锻炼和未见数据凡是遵照差别的散布。

　　对称性：在很多科学成绩中，一个常见且重复呈现的察看是，感爱好的工具或体系凡是包罗多少构造。在很多状况下，这些多少构造表示着底层物理纪律遵照的某些对称性。比方，在份子动力学中，份子以3D空间中的图形暗示，平移或扭转份子能够不会改动其属性。那末这里的对称性就被称为平移或扭转稳定性。正式地说，对称性被界说为一种变更，当它感化在感爱好的工具上时，会使工具的某些属性连结稳定（稳定）或以肯定的方法改动（等变）[Bronstein et al. 2021]。对称性长短常强的归结成见，正如P. Anderson（1972）所说：“只是略微夸张了一点，说物理就是对称性的研讨。”[Anderson 1972]科学百科知识pdf。因而，科学野生智能的一个枢纽应战是怎样在AI模子中有用地集成对称性。我们利用对称性作为毗连本文中很多主题的次要配合线索。每一个范畴所需的对称性也在图3中停止了总结。

　　不愿定性量化（UQ）研讨怎样在数据和模子不愿定性下包管妥当的决议计划订定，而且是科学野生智能的一个枢纽部门。UQ曾经在使用数学、计较和信息科学的各类学科中获得研讨，包罗科学计较、统计建模，和近来的机械进修。我们在科学发明的布景下供给了关于UQ的最新批评。

免责声明：本站所有信息均搜集自互联网，并不代表本站观点，本站不对其真实合法性负责。如有信息侵犯了您的权益，请告知，本站将立刻处理。联系QQ：1640731186