8月10日至11日，2023中關村論壇係列活動——2023 科學智能峰會（AI for Science Congress）在北京正式舉辦。本屆峰會設置主論壇+10個學術峰會，圍繞 AI for Science 基礎設施共建、典型代表應用領域展開。“共建AI4S基礎設施——演算法軟件與模型”場邀請到了活躍于演算法軟件與模型基礎設施相關領域的科研人員及工程人員，共同交流前沿理念與未來研發方向。

  從微觀到宏觀，AI+Science在發現基本粒子、量子計算、材料設計、氣象預測、探索浩瀚宇宙等各個方面，都發揮著重要作用。一方面，各個科學領域中的重大問題為 AI 研究帶來全新的挑戰和機會；另一方面，最新的 AI 技術為解決科學領域的問題提供了強大的工具。

  “無論是在物理、化學、材料，還是在航空航太等方面，倣真都有很重要的應用。”在會議上，西湖大學特聘研究員吳泰霖首先就圖神經網絡加速物理倣真發表相關演講。通過對此前圖神經進行物理倣真方面工作的介紹，吳泰霖表示圖神經網絡應用地下流體倣真研究，對相關係統進行高精度倣真，例如：模擬油、水、天然氣等對于能源行業開展探測具有重要作用。“其次，就是基于倣真的反向設計也是未來幾年很重要的方向。”吳泰霖認為，工程式控制制係統中基于倣真的反向設計可以反過來優化邊條件及參數，實現目標優化。

  作為積淀深厚的國産開源密度泛函計算軟件，原子算籌（ABABUS）在過去一段時間裏進一步完善和優化軟件，推出了新的版本。北京大學應用物理與技術中心的陳默涵研究員作為ABACUS核心開發者之一，在現場詳細介紹了在不斷擁抱開源、共建密度泛函軟件過程中遇到的來自軟件工程方面的挑戰和收獲。陳默涵介紹道，ABACUS將繼續堅持開源的路線，始終與開發者、使用者一起成長和發展，不斷豐富和優化自身。同時他還認為，AI興起帶來發展演算法新機遇，此外物理新演算法、物理模型的持續提出，將有助于國內更早實現DFT的演算法。期待同更多研究者、開發者及使用者以各種形式一起參與到ABACUS的開發中，為ABACUS持續迭代增加新的動力。

  清華大學深圳國際研究生院副教授余曠表示，隨著實驗數據越來越多，計算數據越來越多，如何在大數據量前提下實現自動化的調參。需要我們給出一個基礎設施建設和平臺框架。余曠進一步指出，利用現有很多梯度下降優化演算法，去做自動化的參數調優，利用人工智慧領域這樣一個新發展的技術。盡可能地讓我們的軟件看上去很像主流分子動力學軟件，而不是讓大家新學東西。

  來自深勢科技演算法團隊的張鐸介紹了近期對DeePMD進行的大幅優化與改進，通過對元素類型更優的編碼以及利用關鍵的注意力機制，極大提高了模型容量和遷移能力，獲得了覆蓋元素周期表大多常見元素的大型預訓練模型。在不同數據集上的遷移學習結果表明，模型能大幅降低新場景對數據的依賴。DeePMD的預訓練大模型將大幅降低模型訓練所需數據量及訓練成本、提高模型預測精度，進而對基礎科研、材料設計、藥物設計等領域産生重大而深遠的影響。

  “JAX作為一個通用的非線性有限元求解器，它更像是一個比較通用的可以用來做高性能計算的框架，在進行高性能計算或者科學計算的時候，具有很多方面的優勢。”美國西北大學博士後薛添駒最後在演講中從産品角度介紹了JAX-FEM及其後續的開發。他指出，現有的AI所帶來的日新月異的基礎設施和算力條件，應早日同傳統的有限元方法相結合，使得經典的有限元方法能夠煥發新的活力，從而解決更具挑戰性、需要更多算力、更加復雜本末關係的一些問題中去。