几何深度学习已能够有效挖掘和学习图结构数据、建模真实世界。然而，大多数研究都集中在静态图上，忽略了现实世界网络的动态性质，如化学中分子间的反应过程、行走的人群、人际关系的演化等，此类拓扑和属性随着时间的推移而演变，这些动态信息是AI理解复杂系统运行底层机制的关键。我们如何建模动态系统乃至更复杂的物理系统，理解真实世界？
在当前基础科学研究中，绝大多数任务本质上都可以归结为对不同物理系统的描述和建模。例如对蛋白质的结构预测让我们可以了解蛋白质的功能，通过对分子动态的模拟让我们可以更好的了解化学反应的机理，对于系统结合能的预测可以让我们筛选更好的催化剂。随着近年来深度学习模型，特别是图神经网络模型的发展，越来越多的模型开始应用于对不同种类的物理系统，从亚原子到大分子的建模，并且取得令人瞩目成果。本次讲座中，我将针对复杂物理系统和长时间动态模拟系统，介绍我们基于几何图学习对这两类系统的建模最新工作以及相关应用。并且对未来AI for Science相关领域进行展望。
招聘信息：达摩院AI for Science实验室校招进行时！大量校招职位开放，方向涉及基础模型开发，应用开发，模拟计算，训练加速等职位。让我们一起打开有意思的未来！
推荐语：本文提出了基于离散等变群的等变图神经网络，通过放松严格等变假设，使得模型可以更好的建模实际物理场景，例如交通动态预测，人群动态预测等。
推荐语：本文通过引入历史轨迹来对时空数据中非马尔可夫交互建模，同时设计基于等变的傅里叶变换模块去学习历史轨迹中存在的周期规律来实现对多尺度动态建模的准确预测。
扫码参与几何深度学习读书会，加入群聊，获取系列读书会回看权限，加入图神经网络与几何深度学习社区，与社区的一线科研工作者沟通交流，共同推动几何深度学习这一前沿领域的发展。
报名成为主讲人读书会成员均可以在读书会期间申请成为主讲人。主讲人作为读书会成员，均遵循内容共创共享机制，可以获得报名费退款，并共享本读书会产生的所有内容资源。详情请见：几何深度学习读书会启动：破解自然法则，启发科学智能
拓扑编织着复杂世界，机器学习孕育着技术奇点。一个维度，其中拓扑理论与深度学习模型交织共鸣；一个领域，它跨越了数学的严谨与本质以及人工智能的无限可能，开辟着通往科学新的航道。让我们携手在几何深度学习的起点出发，一路探索如何走向AI for Science的无限未来。
集智俱乐部联合中国人民大学黄文炳副教授、上海交通大学王宇光副教授和南洋理工大学夏克林副教授发起「几何深度学习」读书会。从2024年7月11日开始，每周四19:00-21:00进行，持续时间预计 8-10 周，社区成员将一起系统性地学习几何深度学习相关知识、模型、算法，深入梳理相关文献、激发跨学科的学术火花、共同打造国内首个几何深度学习社区！欢迎加入社区与发起人老师一起探索！
现实世界中大量问题的解决依赖于算法的设计与求解。传统算法由人类专家设计，而随着人工智能技术不断发展，算法自动学习算法的案例日益增多，如以神经网络为代表的的人工智能算法，这是算法神经化求解的缘由。在算法神经化求解方向上，图神经网络是一个强有力的工具，能够充分利用图结构的特性，实现对高复杂度算法的高效近似求解。基于图神经网络的复杂系统优化与控制将会是大模型热潮之后新的未来方向。
为了探讨图神经网络在算法神经化求解的发展与现实应用，集智俱乐部联合国防科技大学系统工程学院副教授范长俊、中国人民大学高瓴人工智能学院副教授黄文炳，共同发起「图神经网络与组合优化」读书会。读书会将聚焦于图神经网络与算法神经化求解的相关领域，包括神经算法推理、组合优化问题求解、几何图神经网络，以及算法神经化求解在 AI for Science 中的应用等方面。
CA88会员入口
上一篇：“中华伦理文明与中国道德话语”研究生暑期学校在长沙举办 下一篇：AI搜索正在杀死传统搜索