在过去的几年里，AI for Science技术成果集中爆发，不少学界、业内人士已经看到了人工智能在传统科学领域的价值：AI for Science已为不同学科带来了新的动力。一场由人工智能和科学研究相结合引发的科研范式的转变，正在快速且深刻地影响着数学、物理学、化学、材料学、生物学等各个传统科研领域。
为全面、深刻地剖析AI for Science发展趋势，2022中关村论坛系列活动-科学智能峰会将于8月8日-11日采用“线上直播+部分线下”的形式举办！本届科学智能峰会的主题为「AI for Science：共创新未来」，将为有志于践行AI for Science的学者、企业家、研究员，搭建一座沟通新信息、推广新技术、共享新成果的交流平台。多位院士、科研专家、前瞻投资人、企业领袖等学术界、产业界重量级人物将汇聚一堂，参与主论坛报告分享、圆桌讨论以及多场分论坛活动。大会还将发布AI4S全球发展报告，以及多项创新成果。
诚挚邀请您参加本次大会，共同见证新科学革命的诞生。
随着AI与科学理论、科学计算、科学数据的结合逐渐深入，越来越多的机遇与挑战涌现了出来：基于大规模数据的预训练物理模型、从数据中发现物理化学规律、“AI for Science”与高性能计算的极致结合，等等。时代呼吁着勇于创新的弄潮儿，“科学创新前沿”分论坛将会是身处浪潮之巅的开拓者们的一次大型聚会和碰撞现场。
Hallam Stevens在《Life Out of Sequence》(序列之外的生命)中提到，“生物学应该适应计算机，而不是反过来。”二十世纪以来，生物计算已经在基因工程、蛋白结构预测、药物设计与发现等各个领域大展身手，生命科学与信息技术从未像今天一样紧密地联结在一起。然而，在纷繁复杂的生命机理面前，我们所知的还只是冰山一角，对水下部分的艰深探索有待底层研究方法的进一步突破。一方面，基于数据驱动的纯AI范式面临生物数据稀疏，泛化性差的问题；另一方面，基于第一性原理从头计算的方式始终无法实现精度与效率的统一———而这些关键的挑战都需要依靠“AI for Science”范式来一一攻克。在生物计算分论坛，我们有幸邀请到了来自不同领域的顶级科学家和产业领导者，共同探讨他们眼中的生物计算未来。
我们从来没有哪一次像今天这样，渴望制造自己的发动机和芯片。他们是当之无愧的国之重器，作为最重要的工业制造，背后必然有着最前沿的科技创新。AI技术的发展，物理模型的构建，大量数据的累积，使得“AI for Science”在工业仿真领域大放异彩。从底层算法创新和工业软件的开发集成，到仿真技术在实际生产中的广泛应用，“AI for Science”以物理原理为基础，以数据驱动为特征，成为推动先进“智”造的颠覆性力量。在工业仿真分论坛，我们有幸请到了工业界和学术界最顶级的科学家、工程师和领导者，共同探讨他们眼中的“AI for Science"。
地点：深圳国家应用数学中心
芯片、框架、超算、云计算，这些在做 “ AI for Science ”应用的人眼中，无疑是最重要的基础设施，其每一步的演化都将对应用产生巨大影响。从基础设施层来看，“AI for Science” 既是新兴的应用场景，也是难得的历史机遇，其中每一个重要的突破都将最终通过影响工业生产，改变我们每个人的生活。“AI for Science”主题下的基础设施建设分论坛，有幸邀请到了国内外最有影响力的一批基础设施提供者，向我们介绍这个领域最新进展，共话他们眼中的“AI for Science”。
材料是人类社会的基本组成要素和关键性资源，新材料的发现与应用直接推动人类社会的进步。传统的实验方式进行材料研究，其效率相对低下；经典的材料计算方案则受制于算法的高复杂度和有限的算力，难以进行大规模精确的模拟。“AI for Science"极大地突破了材料模拟的时空限制，有望让材料理性设计成为触手可及的事情。“AI for Science"主题下的材料计算分论坛，有幸邀请到了国内外、学界和业界最有影响力的材料计算领域专家学者，向我们介绍这个领域最新进展，共话他们眼中的“AI for Science”。
以往的AI需要大量数据作为应用的前提，但由于数据稀疏，标准化程度低，同分布性差，AI在很多工业领域的应用面临巨大的瓶颈。如今“AI for Science"范式的发展为很多缺少数据的工业领域带来了全新机遇。只要一件事物背后的科学原理是明确的，我们就可以先用AI去学习底层的科学原理，再进一步去求解这个科学原理所映射的实际问题，因此"AI for Science"已经在很多场景展现出极强的生命力。对于这个新范式、新概念，工业领域的客户有什么需求？投资人怎么看？创业者怎么做？领域内的从业者又会面临着怎样的困难？欢迎参与“AI for Science”产业化落地的机遇与挑战分论坛。