NeurIPS 2021「科学中的AI理想与现实」 (AI4Science Workshop) 蛋白质结构的精准预测、黑洞成像、药物与材料设计,芯片设计…… 近年来,人工智能已经被应用在了各个科学领域(化学、生物学、物理学、材料科学、神经科学、地球科学、宇宙学、电子学、机械科学等),并给许多科学领域带来了突破性的进展。 尽管如此,几个关键问题阻碍了「科学+AI」的进一步发展: 1. 不切实际的假设 。虽然人工智能研究人员努力取得方法上的进步,但他们经常做出不切实际的假设,这些假设可能会限制新算法的适用性。例如大多数基于机器学习的分子生成模型仅考虑了化合物的价键有效性,而忽视了可合成性。 2. 被忽视的科学问题。 目前许多科学领域内的问题还停留在本领域,而没有转变成能够被人工智能所能解决的问题和应用场景,这极大的限制了广大缺乏相关领域背景的人工智能学者研究这些问题。例如,如何用AI用于拓扑量子计算,如何用AI证明或者证伪物理学的猜想,如何用AI加速天体物理模拟。 3. 对多学科交叉点的探索非常有限。 科学界最重要最有难度的一些挑战的解决方案往往涉及多个学科。例如,蛋白质结构预测需要物理、化学、生物学之间的合作,再例如肿瘤的单细胞成像可以当作宇宙里的恒星成像算法来实现。 4. 科学方法本身的研究。 科学探索的原则自 17 世纪以来一直没有改变。人工智能如何促进科学发现本身仍未得到充分的讨论。例如人工智能为什么能够在近年给科学领域带来突破?人工智能是否可以不通过多次假设-实验循环,直接推理和输出自然规律,来理解科学现象? 5. 负责任地使用和开发用于科学的人工智能。 科学届对人工智能的兴趣一直在增长,但目前仍很少有人工智能模型在实践中得到广泛使用。我们计划对人工智能都在科学界的「落地」问题进行探讨,以加速人工智能在科学中的转化。 这是一个什么样的 Workshop 为了解决上述问题,一群来自MIT、斯坦福、剑桥等机构的年轻研究人员以及他们的导师,组织了第一个「人工智能+科学」研讨会。本次研讨会的总体目标是通过以下活动弥合上述差距: 1. 讨论目前的人工智能中可能/不太可能对科学学科产生影响的方向,并确定其背后的原因。 2. 提出具有人工智能应用潜力的前沿科学问题,并试图应用前沿的人工智能方法。 3. 在多个科学学科(生物学、化学、物理学、神经科学等)的交叉中找到重要的问题。 4. 讨论人工智能如何改变或补充经典的科学方法并改变科学发现过程本身。 5. 讨论人工智能方法在科学领域内的落地。 我们的研讨会还旨在激发在 「科学 + AI」方面没有经验的 AI研究人员深入研究特定学科的兴趣。 征稿通知 我们将有两个提交格式。 第一个是 Original Research Track,征集 4 页的扩展摘要,主题包含人工智能应用到各个科学领域(物理学、生物学、化学、地球科学、环境科学、机械科学、航空航天科学、管理科学、农业科学、材料科学、核科学等)。 主题包括(但不限于): 1. 从数据中学习物理动力学 2. 加速物理模拟器、采样器和求解器 3. 分子建模和从头生成(de novo) 4. 生物系统建模、基因组学、蛋白质、RNA 5. 加速宇宙学模拟 6. 精准农业提高作物产量 7. 优化航空航天产品设计和开发 8. 基准相关或新任务(即数据集、sota 模型等) 9. 为科学发现构建工具/基础设施/平台 10.科学方法研究 第二个是Attention Track ,征集2页的投稿。我们特别欢迎突出人工智能与科学之间差距的贡献。 主题包括(但不限于): 1. 不切实际的机器学习方法论假设; 2. 被忽视的科学问题; 3. 多学科交叉的机会; 4. 某个应用领域的未来研究方向/假设; 5. 负责任地使用和开发人工智能用于科学。 所有提交的论文都将是非存档的,由至少 3 位审稿人以双盲方式严格审查,我们将使用openreview系统。 链接为: https://openreview.net/group?id=NeurIPS.cc/2021/Workshop/AI4Science 重要日期 (地球上的任何地方 Anywhere on Earth) 提交截止日期: 2021年9月18日 通知日期: 2021年10月22日 会议日期: 2021年12月6-14日 Workshop 日期: 2021年12月13-14日 受邀专家 我们邀请了众多重量级的 AI × 科学领域的专家来做主题演讲,他们将专门关注 AI 与其各自科学学科之间的挑战。这些演讲者是(按字母排列): YoshuaBengio(MILA 教授,AI + 药物/材料) Karianne Bergen(布朗大学助理教授,AI + 地球科学) Connor Coley(MIT助理教授,AI + 化学) Shirley Ho(Flatiron Institute主任,AI + 宇宙学) PushmeetKohli(DeepMind研究负责人,人工智能 + 科学、稳健性和可靠性) Tie-Yan Liu (微软亚洲研究院,AI+ 科学) DeboraMarks(哈佛大学副教授,AI + 生物学) TomasoPoggio(MIT教授,AI + 神经科学) Bharath Ramsumdar(Deep Forest Science 创始人,AI +开源科学项目) IrinaRish(UdeM-MILA副教授,AI + 神经科学) Jian Tang (MILA助理教授, AI+ 药物) Petar Velickovic(DeepMind 研究科学家,AI + 生物学) 组织者 (按字母排列) Payal Chandak 哥伦比亚大学本科生,研究方向人工智能与生物医学。 Yuanqi Du(杜沅岂)乔治梅森大学本科生,研究方向人工智能与科学(物理,化学,生物)交叉领域。 Tianfan Fu (符天凡) 佐治亚理工学院计算机博士,研究方向人工智能与药物发现。 Wenhao Gao (高文昊) 麻省理工学院化学工程博士生,研究方向为人工智能与化学的交叉。 Kexin Huang (黄柯鑫) 斯坦福大学计算机博士,研究方向为人工智能与生物医学。 Shengchao Liu (刘圣超) 蒙特利尔学习算法研究所计算机博士,研究方向为人工智能与药物发现。 Ziming Liu (刘子鸣) 麻省理工学院物理博士生,研究方向为人工智能和物理学的交叉。 Gabriel Spadon 圣保罗大学博士生,研究方向为人工智能与时间序列。 Hanchen Wang (王瀚宸) 剑桥大学机器学习博士生,研究方向为人工智能和几何。 MaxWelling 阿姆斯特丹大学机器学习研究教授,领导阿姆斯特丹机器学习实验室。 MaxTegmark 麻省理工学院物理系教授,科普畅销书作家,未来生命研究所创始人。 AdrianWeller 剑桥大学高级研究员,研究方向为人工智能和社会科学。 MarinkaZitnik 哈佛大学助理教授,研究方向为人工智能与生物医学。 导师合作活动 (Mentorship Program) 该计划旨在为学生和年轻的研究者提供来自人工智能高级研究人员的直接支持。学生将被邀请在 8 月 17 日之前提交申请,并将与具有共同兴趣的导师配对。导师将在研讨会论文提交截止日期前线下与学生会面,对他们提交的提交提供反馈。 链接为:https://docs.google.com/forms/d/e/1FAIpQLSepYNm_s12nwhOH1QXEIuHIeU5Jdy3MCXzKE55oBpjuJV-lQA/viewform?usp=sf_link 「AI+科学」Workshop官网: https://ai4sciencecommunity.github.io/