基金委发布下一代人工智能办法严重研讨方案项目攻略

　　关于发布可解说、可通用的下一代人工智能办法严重研讨方案2023年度项目攻略的布告

　　国家自然科学基金委员会现发布可解说、可通用的下一代人工智能办法严重研讨方案2023年度项目攻略，请请求人及依托单位按项目攻略中所述的要求和注意事项请求。

　　可解说、可通用的下一代人工智能办法严重研讨方案面向人工智能展开国家严重战略需求，以人工智能的根底科学问题为中心，展开人工智能新办法系统，促进我国人工智能根底研讨和人才培养，支撑我国在新一轮世界科技竞赛中的主导地位。

　　本严重研讨方案面向以深度学习为代表的人工智能办法鲁棒性差、可解说性差、对数据的依靠性强等根底科学问题，发掘机器学习的基本原理，展开可解说、可通用的下一代人工智能办法，并推进人工智能办法在科学范畴的立异使用。

　　本严重研讨方案针对可解说、可通用的下一代人工智能办法的根底科学问题，环绕以下三个中心科学问题展开研讨。

　　深化发掘深度学习模型对超参数的依靠联络，了解深度学习背面的作业原理，树立深度学习办法的迫临理论、泛化差错剖析理论和优化算法的收敛性理论。

　　经过规矩与学习结合的办法，树立高精度、可解说、可通用且不依靠很多标示数据的人工智能新办法。开发下一代人工智能办法需求的数据库和模型练习渠道，完善下一代人工智能办法驱动的根底设施。

　　展开新物理模型和算法，建造开源科学数据库、常识库、物理模型库和算法库，推进人工智能新办法在处理科学范畴杂乱问题上的示范性使用。

　　环绕上述科学问题，以整体科学方针为牵引，拟以培养项目的办法赞助探究性强、选题新颖的请求项目，研讨方向如下：

　　研讨卷积神经网络（以及其它带对称性的网络）、图神经网络、transformer网络、循环神经网络、低精度神经网络、动态神经网络、生成分散模型等模型的泛化差错剖析理论、鲁棒性和安稳性理论，并在实践数据集进步行查验；研讨无监督表明学习、预练习-微调范式等办法的理论根底，展开新的泛化剖析办法，辅导深度学习模型和算法规划。

　　研讨深度学习的丢失景象，包括但不限于：临界点的散布及其嵌入结构、极小点的连通性等，深度学习中的非凸优化问题、优化算法的正则化理论和收敛行为，神经网络的过参数化和练习进程关于超参的依靠性问题、根据极大值原理的练习办法、练习时刻杂乱度等问题，循环神经网络回忆灾祸问题、编码-解码办法与Mori-Zwanzig办法的相关特性，展开收敛速度更快、时刻杂乱度更低的练习算法及东西，树立卷积网络、Transformer网络、分散模型、混合专家模型等特定模型的优化理论及高效练习办法，深度学习优化进程对泛化功用的影响等。

　　研讨求解微分方程正反问题及解算子迫临的概率机器学习办法；根据生成式分散概率模型的物理场生成、模仿与补全结构；根据微分方程规划新的机器学习模型，规划和剖析网络结构、加快模型的推理、剖析神经网络的练习进程。

　　面向具有实践使用价值的反问题，研讨机器学习求解微分方程的鲁棒算法；研讨传统微分方程算法和机器学习办法的有用结合办法；研讨高维微分方程的正则性理论与算法；研讨微分方程解算子的迫临办法（如经过机器学习办法取得动理学方程、弹性力学方程、流体力学方程、Maxwell方程以及其它常用微分方程的解算子）；交融机器学习办法处理科学核算的根底问题（求解线性方程组、特征值问题等）。

　　针对干流机器学习问题，结合安全多方核算、全同态加密、零常识证明等办法构建具有实用性的可信机器学习环境。展开隐私维护协同练习和猜测办法，展开加密和隐私核算环境的特征聚类、查询和多模型会聚办法，展开加密跨域搬迁学习办法，展开面向对立样本、后门等剖析、进犯、防护和修正办法，研讨机器学习结构对模型搅扰、损坏和操控办法，展开可控精度的隐私核算办法。

　　使用谐和剖析、粒子方程等数学理论处理深度图网络的过度润滑、过度揉捏等问题，针对多智能体网络协同操控、药物规划等重要使用场景规划有用的、具有可解说性的图表明学习办法。

　　展开对大脑信息整合与编码的定量数学描写和核算办法，规划新一代脑启示的深度神经网络和循环神经网络，进步传统神经网络的体现功用；树立具有树突几许结构和核算功用的人工神经元数学模型，并用于展开包括生物神经元树突核算的深度神经网络和循环神经网络，进步传统神经网络的体现功用；展开包括多种生物神经元生理特征和生物神经元网络结构特色的人工神经网络及其练习算法，处理图画识别、图画康复、医学图画重构、地震波检测等使用问题。

　　树立数据驱动的机器学习与常识驱动的符号核算相交融的新式人工智能理论和办法，打破神经网络模型不行解说的瓶颈；研讨常识表明与推理结构、大规模隐式表达的常识获取、多源异构常识交融、常识融入的预练习模型、常识数据双驱动的决议方案推理等，处理不同场景的使用问题。

　　展开自动化程度高的先导化合物优化办法，树立生物分子序列的深度生成模型，精确、高效生成满意特定条件（空间结构、功用、物化性质、蛋白环境等）的分子序列；展开蛋白质特征学习的人工智能新办法，用于蛋白质功用、结构、氨基酸骤变后亲和力与功用改动等猜测以及蛋白质与生物分子（蛋白、肽、RNA、配体等）彼此作用猜测；针对免疫性疾病等临床体现差异大、预后差等问题，展开序列、结构等抗体多模态数据交融和猜测的人工智能模型，用于免疫性疾病的前期确诊和临床分型等。

　　针对电子多体问题，树立薛定谔方程数值核算、第一性原理核算、增强采样、自由能核算、粗粒化分子动力学等的人工智能办法，探究人工智能办法在电池、电催化、合金、光伏等系统研讨中的使用。

　　针对典型的物理、化学、材料、生物、焚烧等范畴的跨标准问题和动力学问题，经过交融物理模型与人工智能办法，探究杂乱系统变量隐含物理联络的发掘办法，树立构效联络的数学表达，构建具有通用性的跨标准人工智能辅佐核算理论和办法，处理典型杂乱多标准核算问题。

　　展开根据人工智能的高精度、高效率的第一性原理办法；面向物理、化学、材料、生物等范畴的实践杂乱问题，树立多标准模型，完结高精度、大标准和高效率的分子动力学模仿办法；探究树立人工智能与科学核算双驱动的“软-硬件协同优化”办法和科学核算专用渠道。

　　环绕中心科学问题，以整体科学方针为牵引，拟以要点支撑项目的办法赞助前期研讨成果堆集较好、对整体科学方针在理论和要害技能上能发挥推进作用、具有产学研用根底的请求项目，研讨方向如下：

　　规划交融经典办法和人工智能办法优势的新式微分方程数值办法。针对经典数值办法处理杂乱区域的困难和人工智能办法作用的不确定性、差错的不行控性，展开兼具安稳收敛阶和简便性的新式算法；针对弹性力学、流体力学等微分方程，探究其解的杂乱度与迫临函数表达能力之间的定量联络；开发针对三维含时问题的高效并行算法，并使用到多孔介质流等问题；展开求解微分方程反问题的新算法并用于求解实践问题。

　　面向混合整数优化、组合优化等离散优化问题，树立人工智能和范畴常识结合的可通用的求解器结构；树立高精度求解办法和杂乱束缚问题的可控近似求解办法；展开超大规模并行求解办法和根据新式核算架构的加快办法；在杂乱、高效软件规划等场景展开可靠性验证。

　　针对多模态信息交融中因为数据视角、维度、密度、收集和标示难易程度不同而构成的交融难题，研讨根据深度学习的交融模型，完结模态一致性并削减交融进程中信息丢失；研讨轻量级的模态间在线时空对齐办法；研讨能忍受模态间非对齐状态下的交融办法；研讨用易收集、易标示模态数据引导的难收集、难标示模态数据的预练习与微调办法；研讨大规模多任务、多模态学习的预练习办法，完结少样本/零样本搬迁。

　　针对多变输入信号，树立自动化多语种言语、图画、视频等多模态数据生成模型，展开可解说的多轮交互决议方案办法；树立机器学习和常识查找的有用结合办法；探究新办法在不同专业范畴场景中的使用。

　　展开面向超大规模多模态数据（文本、图画、视频、向量、时刻序列、图等）的存储、索引、联合查询和剖析办法。展开一体化的多模态数据编程结构，树立自动化数据生成、评价和挑选办法，完结自动常识发现和自动模型生成功用的打破，并完结超大规模、多模态数据集上的可靠性验证。

　　研讨跨范畴、多模态科学数据的自动发现、一致存储和一致办理办法。研讨根据自动学习的科学数据、科技文献常识抽取与交融办法。研讨跨学科、多标准科学数据的常识方针标识化、语义化构建办法。研讨交融范畴常识的多模态预练习言语模型，开发通用新式数据发掘办法。构成具有必定世界影响力的掩盖生命、化学、材料、遥感、空间科学等范畴的高质量、通用型科学数据库，为人工智能驱动的科学研讨新范式供给根底科学数据资源服务。

　　展开光谱、质谱和各类印象数据处理的人工智能办法。树立交融模仿与试验数据的可解说“谱-构-效”模型，开发人工智能驱动的光谱实时解读与反演软件；根据AlphaFold等蛋白结构猜测办法，树立高精度冷冻电镜蛋白结构反演算法等。

　　树立人工智能驱动的定向进化办法，助力生物大分子优化规划。展开统筹数据揣度和物理机制挑选两层优势且扩展性高的人工智能办法，辅佐物理核算高维势能面查找。在医用酶及大分子药物规划上助力定向进化试验，将传统试验时刻下降50%以上，经过人工智能规划并湿试验组成不小于3款高活性、高安稳性、高特异性的新式医用蛋白。展开根据人工智能的新一代生物大分子力场模型，大幅提高大分子模仿核算的可靠性，针对生物、医药、材料范畴中的分子规划问题，完结化学精度的大标准分子动力学模仿。

　　（一）严密环绕中心科学问题，鼓舞根底性和穿插性的前沿探究，优先支撑原创性研讨。

　　（二）优先支撑面向展开下一代人工智能新办法或能推进人工智能新办法在科学范畴使用的研讨项目。

　　（三）要点支撑项目应具有杰出的研讨根底和前期堆集，对整体科学方针有直接奉献与支撑。

　　2023年度拟赞助培养项目25～30项，直接费用赞助强度约为80万元/项，赞助期限为3年，培养项目请求书中研讨期限应填写“2024年1月1日—2026年12月31日”；拟赞助要点支撑项目6～8项，直接费用赞助强度约为300万元/项，赞助期限为4年，要点支撑项目请求书中研讨期限应填写“2024年1月1日—2027年12月31日”。

　　在站博士后研讨人员、正在攻读研讨生学位以及无作业单位或许所在单位不是依托单位的人员不得作为请求人进行请求。

　　履行《2023年度国家自然科学基金项目攻略》“请求规则”中限项请求规则的相关要求。

　　请求人和依托单位应当仔细阅览并履行本项目攻略、《2023年度国家自然科学基金项目攻略》和《关于2023年度国家自然科学基金项目请求与结题等有关事项的布告》中相关要求。

　　1. 本严重研讨方案项目实施无纸化请求。请求书提交日期为2023年5月8日—5月15日16时。

　　（1）请求人应当依照科学基金网络信息系统中严重研讨方案项目的填写阐明与编撰提纲要求在线填写和提交电子请求书及附件材料。

　　（2）本严重研讨方案旨在严密环绕中心科学问题，将对多学科相关研讨进行战略性的方向引导和优势整合，成为一个项目集群。请求人应根据本严重研讨方案拟处理的详细科学问题和项目攻略发布的拟赞助研讨方向，自行拟定项目名称、科学方针、研讨内容、技能道路和相应的研讨经费等。

　　（3）请求书中的赞助类别挑选“严重研讨方案”，亚类阐明挑选“培养项目”或“要点支撑项目”，附注阐明挑选“可解说、可通用的下一代人工智能办法”，受理代码挑选T01，根据请求的详细研讨内容挑选不超越5个请求代码。

　　（4）请求人在“立项根据与研讨内容”部分，应当首要阐明请求契合本项目攻略中的赞助研讨方向，以及对处理本严重研讨方案中心科学问题、完结本严重研讨方案整体科学方针的奉献。

　　假如请求人现已承当与本严重研讨方案相关的其他科技方案项目，应当在请求书正文的“研讨根底与作业条件”部分论说请求项目与其他相关项目的差异与联络。

　　3. 依托单位应当依照要求完结依托单位许诺、安排请求以及审阅请求材料等作业。在2023年5月15日16时前经过信息系统逐项承认提交本单位电子请求书及附件材料，并于5月16日16时前在线提交本单位项目请求清单。

　　（1）为完结严重研讨方案整体科学方针和多学科集成，取得赞助的项目负责人应当许诺恪守相关数据和材料办理与同享的规则，项目履行进程中应重视与本严重研讨方案其他项目之间的彼此支撑联络。

　　（2）为加强项目的学术交流，促进项目群的构成和多学科穿插与集成，本严重研讨方案将每年举行一次赞助项目的年度学术交流会，并将不定期地安排相关范畴的学术研讨会。获赞助项目负责人有义务参与本严重研讨方案辅导专家组和办理作业组所安排的上述学术交流活动，并仔细展开学术交流。