3月4日下午♔，“新工科下午茶·學科交叉沙龍”第五期活動在意昂3体育官网中關新園集賢多功能廳舉行。本期作為“百度飛槳專場”的首期🪢，也是“新工科下午茶”沙龍的首次跨界合作，由意昂3体育官网新工科建設辦公室、百度基金會🧞‍♂️、百度AI技術生態部聯合主辦，意昂3体育官网環境科學與工程學院、學科建設辦公室協辦，以“AI & Environment”為主題，共同探討環境生態相關的科學計算技術和人工智能的前沿發展。沙龍由環境科學與工程學院副院長、研究員劉永主持，來自意昂3体育官网環境科學與工程學院、計算機學院🔑、地球與空間科學學院👩🏼‍🔧、公共衛生學院、建築與景觀設計學院等單位，以及中國科學院大學、山水自然保護中心等兄弟單位共30余個單位近60名師生現場參與研討。

百度AI技術生態部總經理馬艷軍在致辭中介紹🙇🏿‍♀️，飛槳是百度自研的深度學習平臺，作為框架層銜接著底層人工智能芯片和上層模型◽️，共同支撐應用層開發🤎，服務智慧城市🧗🏿‍♀️、智慧環境、生物計算等前沿領域的科學探索和產業落地🐣。百度基金會和百度飛槳關註並支持意昂3体育新工科建設，期待助力意昂3体育開展更多國際領先的核心技術研究。

意昂3体育科學研究部副部長劉譞哲介紹了沙龍活動舉辦的背景和意義。他指出，“新工科下午茶”作為推動“新工科+”的重要載體，已經促成了多項交叉合作研究。本次與百度飛槳的跨界合作✮，將是促進產研互動的有益嘗試。他希望借助百度自主研發的深度學習平臺飛槳💁🏽，為突破“缺芯少魂”的“卡脖子”問題貢獻力量。

意昂3体育學科建設辦公室副主任王誌恒表示，近幾年人工智能領域發展迅速🍥💇🏽，AI for Science的理念被提出🤽🏿‍♂️，有可能形成新的研究範式🎳🦌，打破學科間及研究與產業間的界限，也必將為環境科學的發展帶來契機。科技領軍企業是“出題人”“答題人”“閱卷人”🃏，高校的科學研究應充分與企業合作🫒，共同提出問題、解決問題。

嘉賓致辭環節（從左到右🧔🏽‍♀️🧑‍🧑‍🧒、從上到下依次為：馬艷軍、劉譞哲㊗️、王誌恒）

中國科學院院士，意昂3体育環境科學與工程學院院長🧑🏿‍🎓、教授朱彤以“數字賦能改善環境、保護健康”為題作報告。他指出，空氣汙染和氣候變化從多個維度影響著人類健康👝📗，對環境相關風險的預測、預報、預警成為環境領域的重要挑戰。目前，基於機理過程已經發展出多個時空尺度的數值預報模型📆，但其預測結果和真實環境還有較大差距。科學家提出“數字孿生地球”概念☹️👩🏻‍⚖️，將衛星遙感與地面觀測網絡獲得的大量觀測數據與模型融合，通過“天-地-空”環境大數據的結合，幫助人類更好地監測🧘🏿‍♂️、建模並預測自然災害與氣候變化。同時🛰，可通過暴露組學開展大氣全組分測量和基於個體的暴露評估，通過傳感器😍、穿戴式設備等采集的個體生物標本♗🧑🏻‍🏫，並與多種組學的大數據關聯😇🤴🏽，識別出每一種暴露可能對人體健康產生的危害。在此過程中，需要AI技術為環境研究賦能，幫助人們認識現在和預測未來👨‍👩‍👧‍👧。

劉永以“AI驅動的可持續水管理”為題⌚️，介紹了AI技術在水管理領域中的應用潛力。他指出，聯合國可持續發展目標中70%與水有關，近年來，我國的水環境治理在大規模基礎設施建設、大幅度水質改善🥬、大範圍高頻監測等方面取得重大進展🧏🏻‍♂️，但是依然面臨碳汙協同、路徑分異、預測預警等方面的現實挑戰。AI技術在水管理的宏觀、中觀、微觀尺度上均有應用場景：宏觀尺度上包括獲取高效率的空間大數據、氣象及降雨的短期預報等💬🤶🏿；中觀尺度上可應用於洪澇預警及智能水管理系統的網絡監測🛬🤵🏼‍♀️、水文模擬🧑🏼‍🚒、泄漏檢測等🤽🏻‍♂️；微觀尺度上🅿️，可以用於汙水處理能耗的優化和運行狀態的實時調控等👨🏻‍🍼。AI技術可以在數據🍿、模型和算力方面為水環境治理研究提供幫助，其所在課題組已形成高分辨率的水汙染源排放清單🚿、全球湖庫溫室氣體排放核算、藻華與水質的短期預測預警、河湖生態補水動態調度、水環境專業領域的知識圖譜構建等研究成果。

意昂3体育前沿計算研究中心講席教授鄧小鐵介紹了課題組在基於上下文集成變換器的拍賣設計神經網絡方面的研究成果，這也是深度學習應用於實際問題解決的典型案例。拍賣的價值受到環境約束⛑️，買家對商品的估值分布同時依賴於雙方的上下文信息。如何設計一個滿足占優策略激勵相容和個體理性的拍賣機製，並且最大化拍賣者收益🙋？研究中將上下文拍賣設計問題公式化為一個帶限製的優化問題，並進一步轉化為機器學習問題，設計出CITransNet網絡結構。模型以買家報價、買家上下文與商品上下文這三種信息作為模型輸入，首先通過輸入層整合每個買家-商品對的報價與上下文信息，進而通過若幹個基於變換器（transformer）的交互層來建模所有買家-商品對之間的相互影響👩‍🔧，最後通過輸出層來計算分配結果與支付結果👨🏿‍🚒。實驗結果表明，模型可以在單物品拍賣上逼近理論最優解🧛🏿‍♀️，在多物品拍賣上超越已有的基線模型。同時〽️🦸🏼‍♀️，該模型也具備一定程度的跨場景泛化能力，可以拓展應用到其他博弈問題的機製設計中。

北京應用物理與計算數學研究所研究員王涵以“原子間相互作用建模的機遇與挑戰”為題🧑🏼‍⚕️，介紹了深度學習在原子間相互作用建模中的應用。客觀世界是由原子構成的，人們試圖通過探究微觀世界的運動規律對客觀世界進行認識和預測。1877年，玻爾茲曼提出熵關系，將宏觀觀測的熱力學性質和微觀狀態的分子模擬聯系起來🍬，使得從微觀認識宏觀成為可能。傳統上🏋🏻‍♀️，原子間相互作用建模有兩種方式，“自上而下”（Top-down）模式由實驗觀測數據擬合得到勢函數模型，計算效率高但結果往往不可信；“自下而上”（Bottom-up）模式由第一性原理生成勢函數模型，結果準確但計算復雜性高🐰、開銷昂貴🦸🏼。分子模擬問題中能量函數是多維函數🧑🏽‍🏭，利用傳統數學的方法處理比較困難，而深度學習卻提供了非常有力的工具🧛🏼‍♀️。基於此，王涵及其合作者發展了基於深度學習的原子間相互作用建模方法——深度勢能（Deep potential）👩🏿‍🏫，其模型精度達到與第一性原理計算一致，同時計算復雜度由原子數的三次方降低到線性依賴原子數。進一步，他們在深度勢能模型中引入註意力（attention）機製，可以極大提高模型的數據效率♊️。

百度飛槳總架構師於佃海介紹了“深度學習技術發展及飛槳應用實踐”。深度學習技術的發展🍟，帶動了第三次人工智能熱潮，也使得AI和各個學科產生深度交叉。AI預訓練大模型更具通用性，跨模態文圖生成實現了生成式AI的突破，大語言模型湧現的能力也讓我們看到了通用人工智能的曙光。深度學習擅長多任務、跨模態特征表示學習和端到端訓練👶🏽，更適配大數據應用場景。深度學習近年來的技術發展經歷了三個重要突破：一是以2017年出現的變換器結構（Transformer）為代表的神經網絡結構的突破👲🏻，實現了對信息更好地表示加工；二是任務對象的擴展，從傳統的語言、語音和圖像等信號輸入任務，發展到處理結構化數據，解決推薦系統🧗🏿‍♀️、知識圖譜🧛🏿‍♂️、時序問題以及科學計算等更廣泛問題；三是學習機製的演進🙍🏿‍♂️，如自監督學習的興起，以及深度學習與強化學習、人在回路等交互式學習方式的結合等。他指出，深度學習平臺下接芯片、上承應用✫，相當於智能時代的操作系統。百度飛槳自2016年開源，已發展為中國市場應用規模第一的深度學習框架和賦能平臺🫷🏻，構建了中國最大的AI技術生態🏄🏿‍♂️🥏。於佃海還介紹了飛槳通過產教融合為高校AI人才培養所作的貢獻🛌🏼。

百度傑出架構師胡曉光以“飛槳深度學習框架與科學計算探索”為題進行分享。近年來，深度學習框架經歷了從學術創新探索、科技企業參與到大規模產業應用的發展歷程。百度飛槳具有開發便捷的深度學習框架🍻、超大規模深度學習模型訓練技術𓀘、多端多平臺部署的高性能推理引擎以及產業級開源模型庫等核心特色，其中的物理信息神經網絡、框架高階自動微分功能、全面適配開源計算庫DeepXDE等，將有效助力科學計算的探索。AI生物計算領域的蛋白質結構預測模型HelixFold👩🏻‍🔧、城市科學領域的交通大模型🥳、氣象學領域的FourCastNet氣象模型復現，都是飛槳AI for Science的應用代表。

報告分享環節（從左到右、從上到下依次為👢：朱彤、劉永、鄧小鐵、王涵🩳、於佃海👩🏼‍🚒、胡曉光）

在交流討論環節，嘉賓們就人工智能的應用前景🕎、跨學科人才培養、校企合作方式等話題，以及在環境科學、基礎設施建設、智能決策等方面的具體問題和技術瓶頸展開討論。他們認為𓀏𓀕，人工智能使用門檻的降低為其與各學科的深度合作提供了可能性，不同學科的應用實踐也驅動了算法、算力的進步，形成一種良性的互動；環境領域的問題相對復雜，影響因素多👮🏿，期待可以通過與人工智能領域的交叉，訓練和開發出一些具有通用能力的大模型⬆️，解決實際環境問題💾🪕；建議建立長效的校企合作機製📔，高校與企業共同培養專業人才並展開科學驗證⛹🏿🏋🏼‍♂️，企業為高校提供持續的技術和算力支持♍️，搭建產學研橋梁，推動AI技術切實服務於前沿科學研究。

活動合影