
清华大学AI4S研究新进展:让科学智能体发现公式、探索机理(在新窗口打开)
近日,清华大学电子工程系数据科学与智能实验室在 AI for Science 方向提出面向智能体符号回归(agentic symbolic regression)的运行时框架 SRHarness [1],让 AI 更可靠地从观测数据中发现公式;同时构建机制发现基准 MechBench [2],系统评测 AI 能否进一步揭示公式背后的机理。
共 27 篇

近日,清华大学电子工程系数据科学与智能实验室在 AI for Science 方向提出面向智能体符号回归(agentic symbolic regression)的运行时框架 SRHarness [1],让 AI 更可靠地从观测数据中发现公式;同时构建机制发现基准 MechBench [2],系统评测 AI 能否进一步揭示公式背后的机理。

近期Radical AI 的 CEO Joseph Krause接受了一次深度访谈,在访谈中,他揭开了现在资本热炒的 “AI for Science” 的虚假外衣。如果你以为搞材料研发只要像生物制药一样,用大模型在云端“跑个分”就能大力出奇迹,那这期节目会给你狠狠上一课,你会发现,真正的材料学 AI 护城河,离我们简单的想象差了十万八千里。

OpenAI近期动作频频。首先斥巨资收购实验平台Statsig,并任命创始人Vijaye Raji为应用部门新CTO。同时还启动了「OpenAI for Science」项目,致力于打造AI驱动的科学发现平台,以加速基础科学突破。

OpenAI新研究团队,刚刚曝光了——OpenAI for Science,致力于构建加速数学和物理领域新发现的人工智能系统。

今年三月,Liam Fedus 在推特上宣布离开 OpenAI。这条推文的影响力超出了所有人的预期——硅谷的风投们几乎是立刻行动起来,争相联系这位 ChatGPT 最初小团队的核心成员、曾领导 OpenAI 关键的后训练部门的研究者,他的离职甚至一度引发了一场“反向竞标”。

一枚戒指里的“Token经济学”。 2024年11月,深圳,凌晨三点。腾讯滨海大厦楼下的空气里弥漫着南方特有的潮湿,一场对话已经持续数个小时。 这场谈话的主角是两位95后,Jasper和黄鑫晨(Xander)。当时,他们正站在人生重要的十字路口上——是继续留在各自的职业高光安稳度日,还是放下已有的成绩,踏上一条从未有人走过的路,开始一次创业冒险? Jasper出自全球顶级人工智能研究机构Mila研究院,是图灵奖得主、全球深度学习三巨头之一约书亚・本吉奥(Yoshua Bengio) 实验室成员。近年来,他一直在做AI for Science相关的研究,在和英特尔、IMC、腾讯、Oura的合作经

AI4S(AI for Science)正在为生命科学行业,掀起一场工业革命!

一场科研生产力的深度革命。 在科研计算领域,传统HPC的优化路径正在逐渐逼近效率与成本的双重边界。 长期以来,HPC的核心方法论,是在明确物理方程与数值模型的前提下,通过规模化并行计算逼近唯一解。这一范式在流体力学、材料计算、分子模拟等领域取得了巨大成功,但其前提是:计算过程高度规则、算子结构稳定、通信模式可预测。 然而,随着AI4S(AI for Science)逐步深入科研主流工作流,这一前提正在被打破。越来越多的科研任务不再仅仅依赖传统数值求解,而是引入深度学习模型、统计推断与数据驱动方法,形成HPC+AI的混合计算形态。 这类负载呈现出算子碎片化、计算图驱动、混合精度以及动态负载不均衡

AI for Science,正在进入一个新的分水岭。

2026 年被业内普遍视作 AI4S(AI for Science)的「智能体元年」。