在科学探索的前沿，人工智能（AI）正以其革命性的力量，重塑领域边界与研究范式。本期分享将从材料科学和分子优化的视角出发，展现了AI如何成为推动科学进步的关键力量。

　　微软研究院首席研究员，科学智能中心材料方向负责人陆子恒，将重点介绍深度图学习、主动学习和生成模型在构建先进的AI模拟器中的可能性，以及如何使用AI模拟器来模拟、生成和设计新材料。

　　康奈尔大学计算机科学系的博士生杜沅岂，则将从几何、采样和优化的角度，揭示具有适当归纳偏置和高效优化的改进计算工具在分子发现中的应用，包括神经网络的对称性编码、分子优化以及化学反应过渡态的探索。

　　第七期将于8月31日（本周六上午）10：00-12：00进行，欢迎感兴趣的朋友参与讨论交流！

　　克服第一性原理分子动力学模拟的规模限制：一种基于分布子结构嵌入的主动学习方法

　　，微软研究院首席研究员，科学智能中心材料方向负责人。主要研究大规模深度学习与其在材料设计领域的应用。在加入微软研究院之前，于2018年从香港科技大学获得博士学位。之后，在包括耶鲁大学、中国科学院、英国法拉第研究所和剑桥大学从事研究工作。主要工作包括：开发全空间材料大模型MatterSim，在MatBench、MatBench Discovery等材料设计任务上取得榜首；开发IDEAL主动学习算法，取得了百万量级原子的在线化学精度模拟；参与开发了DiG、MatterGen等主流材料生成模型。在Nat. Mach. Intell.、 Nat. Comm.、Chem. Rev.、Angew. Chem. Int. Ed.、Adv. Energy Mater. 等杂志上发表了50多篇同行评审文章。担任多本期刊的副编辑、客座编九游智能体育科技辑，以及包括Nature和Joule等在内的10多个期刊的审稿人。

　　，康奈尔大学计算机科学系的博士生，研究方向为人工智能及其与科学发现的交叉领域，导师为 Carla P. Gomes 教授。他的研究兴趣包括几何深度学习、概率机器学习、采样、优化以及面向科学的人工智能（特别是分子发现）。除了九游智能体育科技研究，他还热衷于教育和社区建设。他主导组织了包括学习图论会议、人工智能与科学、概率机器学习工作坊在内的一系列活动，并发起了一个教育项目（AI for Science101），旨在架起人工智能与科学社区之间的桥梁。

　　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，开辟着通往科学新纪元的航道。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！