1、AI X SCIENCE：Observations on Top 10 FrontiersAI X SCIENCE十大前沿观察从未来回望，2025年将被定义为“人工智能与科学发现深度融合的元年”。而这源于2024年两项诺贝尔奖均授予了AI深度参与其中的研究。物理学奖授予了科学家John J.Hopfield和Geoffrey E.Hinton，以表彰他们在使用人工神经网络进行机器学习方面的基础性发现和开创性贡献。诺贝尔化学奖则颁发给了科学家David Baker、Demis Hassabis和John M.Jumper，以表彰他们在计算机蛋白设计及蛋白质结构预测领域的杰出成就。出品：漆 远 吴

2、力波 张 江运营：孟晋宇 王 婷撰稿团队：张 江 杨燕青 王 婷 王朝会 十三维 周 莉 梁 金 袁 冰 江千月 刘志毅鸣谢（按姓氏拼音顺序，排名不分先后）：曹风雷 陈小杨 程 远 杜沅岂 段 郁 方榯楷 付彦伟 高 悦 黄柯鑫 李 昊 刘圣超 谭伟敏 吴泰霖 吴艳玲 向红军 张 骥 张 艳 朱思语 AI X Science十大前沿观察12AI X Science目录目 录Contents1.1 Al for Science1.1.1 AlphaFold1.1.2 气象预测大模型1.1.3 AI可控核聚变1.2 Science for Al1.2.1 Hopfield网络与受限Boltzman

3、n机1.2.2 视觉架构启发的CNN网络1.2.3 等变神经网络66677889AI for Science2.1 基于LLM的科学研究2.1.1 背景介绍2.1.2 研究进展 2.1.2.1 跨学科知识的整合与创新 2.1.2.2 基于LLM的科研流程重构 2.1.2.3 革新人机协同科研模式2.1.3 挑战与展望2.1.4 参考文献2.2 垂直领域科学大模型2.2.1 背景介绍2.2.2 研究进展 2.2.2.1 生命科学基础模型 2.2.2.2 医学基础模型 2.2.2.3 气象预测基础模型 2.2.2.4 物质科学基础模型 2.2.2.4.1 分子动力学模拟 2.2.2.4.2 物理模

4、拟2.2.3 挑战与展望2.2.4 参考文献12121313131415161717181819212222232424Part1 序章Part2 十大前沿观察Science for ai 2.3 融入先验知识的AI模型2.3.1 背景介绍2.3.2 研究进展 2.3.2.1 神经符号人工智能 2.3.2.2 几何图神经网络 2.3.2.3 物理启发的图神经网络2.3.3 挑战与展望2.3.4 参考文献2.4 AI科学家2.4.1 背景介绍2.4.2 研究进展 2.4.2.1 AI科学家与自主科研智能体2.5.4 参考文献2.6 AI 仿真器与系统模拟2.6.1 背景介绍2.6.2 研究进展

5、2.6.2.2 因果数字孪生 2.6.2.3 AI驱动的多尺度数字有机体建模 2.6.2.4 生物-环境闭环智能仿真系统 2.6.2.5 具身生成式物理模拟引擎2.6.3 挑战与展望2.6.4 参考文献2.7 物理世界的第一性原理5053535354555758585962 2.4.2.2 科学家助手2.4.3 挑战与展望2.4.4 参考文献2.5 复杂世界的多智能体建模2.5.1 背景介绍2.5.2 研究进展 2.5.2.1 基于LLM的多智能体系统研究宏观经济学 2.5.2.2 基于LLM的多智能体系统研究社会群体行为 2.5.2.3 基于多智能体系统的未来城市治理2.5.3 挑战与展望4

6、04243454546464749502727282829313132363636362.7.1 背景介绍2.7.2 研究进展 2.7.2.1 自由能原理:智能的第一性原理 2.7.2.2 泊松流模型:物理启发的深度生成模型 2.7.2.3 范畴论:刻画大模型的能力边界2.7.3 挑战与展望2.7.4 参考文献62636364656566 2.6.2.1 AI for PDE(人工智能求解偏微分方程)53AI X Science目录3AIS 基础设施3.1 特殊挑战3.1.1 Science for Al:AI如何与人类共享知识3.1.2 Al for Science:Al如何具备实验思维3.