2024年11月29日，未来之后“未来之后”AI4S第三届国际高峰论坛在北京大学深圳研究生院国际会议中心举行。深圳生院论坛邀请了一位诺贝尔奖得主、研究五位海内外院士
，届国际高以及十几位国内外顶尖专家学者与企业领袖，峰论围绕核心议题，坛举pc28尽享网展开了深层次
、未来之后多方位 、深圳生院跨行业的研究观点交流与碰撞
，共同探索人工智能赋能科学的届国际高无限可能 。中国科学院院士、峰论北京大学副校长 、坛举深圳研究生院院长张锦
，未来之后中国科学院院士、深圳生院北京科学智能研究院理事长、研究北京大学国际机器学习研究中心主任、北京大学数学科学学院讲席教授鄂维南为本次论坛的联合主席 。论坛由北京大学深圳研究生院和北京大学国际机器学习研究中心联合主办
，得到了北京百度网讯科技有限公司 、北京深势科技有限公司、贝克曼库尔特国际贸易（上海）有限公司 、加拿大pc28怎么算华为技术有限公司、深圳市计算机学会（SZCCF） 、CCF深圳 、全球科学智能发展联盟、广东省人工智能产业协会、北京大学深圳研究生院教育基金会等单位的大力支持 。论坛通过北京大学（快手
、B站、百度百家号、抖音 、微信视频号）
、深势科技、广东省人工智能产业协会 、百度AI和百度飞桨
、深圳卫视科创最前沿进行线上直播 ，吸引了近30万人次在线观看
。论坛现场张锦为论坛致开幕辞 ，北京大学深圳研究生院常务副院长杨震主持上午主旨报告 ，北京大学信息工程学院院长田永鸿主持圆桌对话和发布签约，北京大学深圳研究生院新材料学院助理教授陈召龙主持下午主题演讲。pc28开庄软件代理张锦致辞杨震、田永鸿、陈召龙主持论坛开场 ，诺贝尔物理学奖得主Konstantin Novoselov（康斯坦丁·诺沃肖洛夫）作为本次高峰论坛的荣誉嘉宾 ，线上带来了主题为“New Approaches In Materials Design”的主旨报告，分享了如何设计具备生物系统特征的材料，深入探讨了自愈合能力、记忆功能等“梦幻材料”的构想，并介绍了机器学习和大规模合成技术在材料设计中的应用。他再次强调了“继续改进人工生命系统的设计方法”和“开发新材料以应对医学
、技术和可持续发展挑战”的重要性。田永鸿介绍Konstantin Novoselov美国国家工程院院士 、现任宁波东方理工大学（暂名）常务副校长兼教务长张东晓分享了题为“科学机器学习  ：AI驱动的知识发现”的报告。并介绍了人工智能（AI）如何推动科学研究的发展  。报告同时详细阐述了科学机器学习在科学知识发现领域的最新进展，特别是通过符号数学与AI算法的结合（SGA），成功提取了带交互项的Burgers方程、高阶导数的KdV方程和含指数项的Chafee-Infante方程 ，验证了该方法的准确性与稳健性。此外，pc28加拿大黑马预测他还介绍了SGA、EqGPT及应用于科学探索的大语言模型LLM4ED等前沿模型
，为科学家提供了跨越知识与数据壁垒的新方法
。张东晓进行主旨报告英国皇家工程院院士、欧洲科学院院士、香港工程科学院院士
、香港科技大学首席副校长及讲席教授、香港生成式人工智能研究中心主任郭毅可以“Cultivating Machine Scientists: An Engineering Perspective”为题 ，分享了关于利用大模型对齐技术以实现模型自演化的前沿研究  ，探讨了如何通过对齐技术使模型根据反馈和环境变化进行自我优化 ，从而提升其在科学研究中的表现。他提出了一种新的框架 ，可以结合自适应学习机制和知识传递方法，使得模型能够通过实验验证和迭代学习不断改进自身的研究能力，甚至生成新的科学假设 ，该方法将为未来的科学智能化研究提供了新的视角和方向。郭毅可进行主旨报告张锦以“AI能否革新材料科学的研究范式”为题，深入探讨了人工智能在材料科学研究中的潜在变革作用  。他指出，材料学面临体系复杂度高 、pc28预测凤凰预测数据标准化程度低和研究链条长等问题，暴露了传统研究范式的局限性  。张锦强调，AI技术擅长处理高维度、多尺度数据
 ，能够发掘参数之间的复杂关联 
，为解决材料学研究的困境提供了新的可能性。他从“AI for材料表征”“AI for材料控制制备”以及“AI for材料产业化”三个方面探讨了AI技术如何革新材料研究范式
 ，助力材料数据库的标准化、材料基础研究的全局性以及材料从实验室到产业化的跨越 ，并提出了“AI Agent for Science”的愿景，展望了AI将为材料科学研究带来的一个快速发展的全新未来 。张锦进行主旨报告美国国家工程院院士、香港大学工程学院院长David Srolovitz以“AI Models for Atomic-Scale Materials Design”为题 ，探讨了人工智能在材料科学与工程中的应用 。他指出 ，AI方法正被广泛用于材料选择 、性能预测和逆向材料设计。在演讲中，他重点讨论了机器学习在原子间势能开发和原子建模自动化中的作用
，以及大型语言模型（LLMs）在材料分类和性能预测中的应用。最后  ，David Srolovitz展望了“AI在材料科学中的未来方向”，包括揭示基础材料规律的潜力，展示了AI在推动材料科学进步方面的巨大可能性等 。David Srolovitz进行主旨报告在圆桌对话环节 ，鄂维南、张东晓、David Srolovitz 、Turab lookman、贝特瑞新材料集团股份有限公司常务副董事长兼总经理黄友元 ，围绕“Al for science：如何实现教育,科技-产业-人才一体化”主题展开讨论。与会专家们围绕这一主题各抒己见，深入探讨了在AI与科学融合发展的大背景下如何实现教育 、科技、产业 、人才等多方面的协同发展与一体化推进
，为未来相关领域的全面、协调、可持续发展提供了诸多宝贵的思路与建议。圆桌论坛论坛进行了北京大学深圳研究生院AI4S年度成果发布和南燕科学计算学习与实训平台合作协议签约仪式 。此次共发布了AI赋能高性能烯碳纤维的设计与制备和大数据驱动的高效可控蛋白质设计两项成果 ，而南燕科学计算学习与实训平台合作协议的签约则将进一步推动大湾区校企双方的合作 ，为国内AI4S领域的发展培养高质量交叉复合型人才提供有力支撑 。签约仪式下午的主题演讲开场
 ，Turab lookman在以“Guiding Next Experiments: Decisions, Decisions, Decisions”为题的报告中提道，贝叶斯全局优化（BG0）自2015年应用于材料科学以来 ，已成为近期许多研究的首选方法 。他展示了强化学习如何应用于加速材料发现，并给出了合成优化函数的验证结果，阐明了相关方法在不同条件下的优劣以及如何随着实验迭代寻找目标/属性的高价值区域。Turab lookman进行主题演讲北京大学深圳研究生院副院长、深圳研究生院新材料学院创院院长潘锋以“基于图论和AI的材料基因探索”为题，探讨了在锂离子电池中材料基因及其结构-功能关系的研究方法 。他通过基于图论的化学方法和材料大数据系统的建立，旨在探讨“材料基因是什么”以及“如何研究锂离子电池中的材料基因”等基本问题 。潘锋介绍了多个前沿交叉学科领域，包括基于图论的结构化学 、材料大数据、锂离子电池材料基因 ，以及通过同步辐射和中子辐射等大型科学设施进行的结构表征
。潘锋进行主题演讲国家超级计算长沙中心副主任彭绍亮以“多模态生物医药大数据和人工智能大模型”为题，探讨了在大数据和人工智能的驱动下 ，生命科学如何全面进入数智时代 ，内容涵盖从单细胞组学到群体数据、从电子病历到医学影像 、从西医到中医等各个方面 。报告重点介绍了生物医药领域的多模态数据、思维链 、智能体等及其面临的存储和计算挑战，以及团队和全球最新的研究进展。彭绍亮进行主题演讲ASTAR高性能计算研究所计算智能部门的创新负责人Tng Tai Hou以“Co-creating the AI Healthcare Future Now”为主题进行演讲。他强调了我们有责任为人类带来益处，讨论了如何在当前阶段共同创造AI医疗的未来 。演讲内容涉及跨学科的合作，包括AI科学家、工程师、临床医生 、护理专业人员 、社区、政府机构和企业之间的协作 ，并探讨了如何通过这些合作推动医疗领域的创新与发展。Tng Tai Hou进行主题演讲科学领域仍面临多时空尺度现象计算成本高、多源数据融合应用效率低等问题 ，深度学习技术的快速发展带来了新的研究思路。百度AI技术生态总经理马艳军以“深度学习开源开放平台助力科学探索”为题，分享了深度学习技术在科学探索中发挥的重要作用，并详细介绍飞桨深度学习平台面向大模型和科学计算研发的关键技术、工具组件和应用案例。此外 ，报告还探讨了如何通过开源开放推动AI科学计算领域的生态合作 ，助力科学与AI融合创新。马艳军进行主题演讲北京深势科技有限公司合伙人、AI高级副总裁柯国霖以“基于分子基座模型Uni-Mol的分子设计”为题 ，介绍了Uni-Mol在分子设计领域的突破性进展
 ，报告还涵盖了Uni-Mol在药物发现、OLED材料设计、MOF气体吸附预测和冷却液设计方面的具体成果，展示了其在科学和工业创新中的广阔前景。柯国霖进行主题演讲华为医疗首席科学家乔楠以“华为在AI4Science领域的探索和实践”为主题 ，介绍了华为在人工智能领域的战略部署和实践经验。自2018年发布人工智能发展战略和全栈全场景AI解决方案以来，华为坚定推进AI战略，旨在为中国构建坚实的算力基础并为全球提供第二选择。在AI for Science领域，华为的研究团队与业内专家合作
，积极开展探索实践，涵盖基因测序 、药物研发、临床研究和气象研究等多个领域，并取得了一系列显著成果 。乔楠进行主题演讲在本次论坛中，来自国内外的众多学术专家以及产业精英带来的报告不仅展示了AI4S的科学研究范式在前沿领域的探索正在不断突破边界，同时也呈现了AI4S在产业应用方面的蓬勃发展态势。