6月9日，2023北京智源大会，将邀请AI领域的探索者、实践者、以及关心智能科学的每个人，共同拉开未来舞台的帷幕，你准备好了吗？与会知名嘉宾包括，图灵奖得主Yann LeCun、OpenAI创始人Sam Altman、图灵奖得主Geoffrey Hinton、图灵奖得主Joseph Sifakis、诺贝尔奖得主Arieh Warshel、未来生命研究所创始人Max Tegmark、2021年科学突破奖得主David Baker、2022吴文俊最高成就奖得主郑南宁院士以及中国科学院张钹院士等。目前已正式开放大会线上报名渠道。大会将同步向全球线上直播。

北京智源大会倒计时：2 天

论坛议程

论坛主席丨主持人

谢晓亮，昌平实验室主任、北京大学理学部主任

谢晓亮，中国科学院院士，昌平实验室主任，北京大学李兆基讲席教授、理学部主任。谢晓亮是改革开放后大陆学者分别获得哈佛大学终身教授和冠名讲席教授的第一人，2018年全职回到母校北京大学工作，2020年担任昌平实验室主任。

谢晓亮是单分子生物物理化学的奠基人之一、相干拉曼散射显微成像技术和单细胞基因组学的开拓者。其团队发明的全基因组扩增技术，已使超过4000个患有单基因遗传病的家庭成功避免了疾病的后代传递。在抗击新冠疫情过程中，谢晓亮团队携手多方合作，成功研制出一种针对所有新冠病毒变种的广谱中和抗体药物，并已授权给相关药企，目前临床试验正在进行中。

谢晓亮享有多项荣誉，包括美国生物医学最高奖之一“阿尔伯尼奖”、美国物理化学最高奖“Peter Debye奖”、美国生物物理最高奖“Founders奖”、求是杰出科学家奖和北京市科学技术突出贡献中关村奖。

论坛联合主席

叶启威，智源研究院健康计算研究中心负责人

曾任微软亚洲研究院主管研究员，AI for Science青年学者，研究方向包括（深度）强化学习，决策树模型，生成模型及其应用。在2016研发了LightGBM，在精度和速度上都超过同时代其他框架，成为业界最受欢迎的决策树算法之一。在2018年研发了Suphx，目前人类史上最强的麻将AI模型，在『天凤』平台荣升十段，显著超越人类顶尖选手。2023年其团队开发的OpenComplex蛋白质复合结构预测模型荣获CAMEO年度冠军。

演讲主题及嘉宾介绍

1、Multi Scale and Artificial Intelligence Studies of Enzymes

Arieh Warshel，诺贝尔化学奖得主

Arieh Warshel，生物化学家。因发展复杂化学系统多尺度模型与卡普拉斯（Martin Karplus）、莱维特（Michael Levitt）共享2013年诺贝尔化学奖。

1940年，瓦谢尔出生于以色列Kibbutz Sde-Nahum。1966年取得以色列理工学院的化学学士学位。1967年和1969 年，在以色列魏茨曼科学研究所先后获得硕士和博士学位，师从 Shneior Lifson，其间与莱维特共事。1970-1972 年，在哈佛大学卡普拉斯的实验室进行博士后研究，1972年回到魏茨曼科学研究所工作，1976年到美国南加利福尼亚大学工作至今。瓦谢尔曾获得国际社会量子生物学和药理学年度大奖、托尔曼奖章等多项荣誉，并且是英国皇家化学学会会员、美国国家科学院院士。

2、主题演讲

David Baker，华盛顿大学教授、2021年科学突破奖生命科学奖得主

David Baker，美国生物化学家和计算生物学家，他开创了预测和设计蛋白质三维结构的方法。他是Henrietta和Aubrey Davis生物化学讲席教授，也是华盛顿大学基因组科学、生物工程、化学工程、计算机科学和物理学的兼职教授。他也是华盛顿大学蛋白质设计研究所的主任，2006 年当选美国科学院院士。

由于他在蛋白质折叠方面的工作，Baker获得了2008年萨克勒国际生物物理学奖，2021年生命科学突破奖，以及2021年的威利奖。Baker的小组开发了Rosetta算法，用于从头开始预测蛋白质结构，该算法已被扩展到一个名为Rosetta@Home和Foldit的分布式计算项目。该项目旨在为蛋白质复合物以及单个多肽链制作结构模型。该小组专门从事CASP结构预测实验，包括Rosetta协议的人工辅助和自动变体。

3、复杂分子体系研究中基于物理和基于数据的模拟方法的结合

议题简介：基于力场的分子模拟在化学、材料和生命体系中有着越来越广泛的应用，例如分子模拟对生物大分子结构和动力学性质的解析以及下游的生物过程和生物医药研究等都具有较为重要的价值。但是在针对复杂体系的应用中，分子模拟还有如精度低、计算慢、收敛不稳定等瓶颈问题需要解决。近年来，深度学习模型和算法的快速进步为提高分子模拟的计算能力提供了很好的契机。其中，以AF2为代表的深度学习方法帮助实现了蛋白结构的快速准确预测。这些框架的的实现为分子计算方法的进一步发展和更深入、快速的下游应用提供了难得的机会。在本报告中，我们将首先介绍在蛋白结构预测方向的方法发展。为了降低序列搜索带来的噪音以及加速结构预测推理，我们发展了MSA生成式模型。该模型的引入帮助降低序列搜索的计算资源需求，而且在加速推理过程的同时改善对少MSA甚至是孤儿序列蛋白的结构预测能力。进一步，为了更好的在计算中利用实验数据，我们发展了稀疏约束条件下的蛋白结构预测方法。其中，通过引入特定的物理限制，蛋白结构预测模型可以用来增强和加速NMR解析蛋白结构流程。在下游应用中，将深度学习药物分子结合位点搜索和基于打分的结合能力评估两种方法结合起来，可以提高对蛋白质/小分子复合物结构的预测效率。最后，我们将介绍把结构预测、分子生成和动力学计算等集中在统一的深度学习框架下，从而建立原生于人工智能的多模态和跨尺度的分子模拟工具的尝试。

高毅勤，北京大学教授

高毅勤，1972 年出生，1993 年本科毕业于四川大学化学系，1996 年在中科院化学所获得硕士学位，2001 年获得加州理工学院博士学位。2001 年－ 2004 年在加州理工学院和哈佛大学做博士后研究。2004 年 -2010 年在美国德克萨斯农工大学（Texas A&M University）化学系任助理教授；2010 年起任北京大学化学与分子工程学院教授，2013 年起同时担任北京大学生物医学前沿创新中心研究员。主要从事生物物理化学/ 理论化学基础研究。现任北京大学理学部副主任，JCTC杂志副主编。

4、Foundation Models for Protein Modeling. 大分子药物建模的基础模型

唐建，Mila-Quebec人工智能研究院副教授

他的主要研究方向是图表征学习、图神经网络、几何深度学习、深生成模型、知识图表和药物研发。在博士期间，他获得了2014年ICML最佳论文奖；2016年，他被提名为最佳数据挖掘会议万维(WWW)最佳论文奖；2020年，他被授予亚马逊和腾讯学院研究奖。他是图形表征学习领域中最具代表性的研究人员之一，并在这一领域发表了具有代表性的著作，如Line和Rotate。他的论文Line在生成节点表征学习方面的工作已得到了广泛的认可，也是2015到2019年WWW会议上被引用最多的论文。最近，他的小组刚刚发布了一个开源机器学习包，名为TorchDrug，旨在使人工智能药物研发软件和图书馆免费提供给研究社区。同时，他也是ICML和NeurIPS的区域主席。

5、中药结合人工智能：机遇和挑战

议题简介：深度学习人工智能已经和正在给许多领域注入新的活力，尤其是生物医药的研究和应用。新技术推动了医学仪器、医学图像分析、基因数据分析、疾病诊断、健康监测和新药等研发。我们将讨论人工智能与中药和天然产物方面的结合和应用，包括标准化中药数据库和搜索、中药生物活性智能评估、中药毒性预测、中药适应症预测。

许田，西湖大学遗传学讲席教授、副校长

复旦大学学士，耶鲁大学博士 , 加州大学伯克利分校博士后。回国前在耶鲁大学任教25年，担任遗传学讲席教授、副系主任、耶鲁大学校长顾问、霍华德休斯医学研究院研究员。曾任华人生物学家协会主席，美中前沿科学交流委员会美方主席。2018年全职回国，任西湖大学讲席教授、副校长，昌平实验室领衔科学家，国务院侨办专家咨询委员会委员。

生长调控领域的创始人之一，该领域的重要调控基因和信号转导通道均为其实验室首先发现，为发育和疾病提供新理论和机理，为多种药物的研发作出贡献。长期担任《Cell》等世界顶尖学术期刊编委。对教育情有独钟，中美授课学生6千多人，实验室培养了三十多位世界各校大学教授，曾获耶鲁优秀博士论文导师、获得复旦大学校长奖、中国全国优秀博士论文导师。长期担任罗斯伯格研究所/孵化器科学委员会主席、复星领智孵化器主席，多家科技公司的创始人。带领中国团队首创PB系统为世界生物医药研究广泛应用，成为基因治疗新工具。药物牧场006成为中国首个从新药靶发现进入临床的全球首创新药。

6、细胞调控图谱解析的计算方法

议题简介：细胞是构成生命的基础单元，人类每个个体由40万亿个细胞组成，它们虽然共享同一套基因组，却具有数千种细胞类型以及多种多样的分子特性与生理功能。近年来单细胞组学测序技术的迅猛发展使得以单细胞分辨率阐释细胞调控图谱成为可能，我们近期的工作显示，通过结合数据驱动与知识驱动，基于深度生成框架的理性AI模型设计可以有效解码复杂的异构单细胞组学数据，并为最终构建细胞调控语言模型(RLM)奠定基础。

高歌，北京大学生物医学创新中心(BIOPIC)研究员

高歌，北京大学生物医学前沿创新中心BIOPIC、生命科学学院生物信息中心、暨蛋白质与植物基因研究国家重点实验室研究员，博士生导师，长期致力于开发新生物信息技术以精准解析细胞调控图谱，并探索其在重大慢性疾病精准诊疗中的应用。近年来于Nature Biotechnology、Nature Communications、Nucleic Acids Research等领域高影响力刊物、NeurIPS等人工智能领域顶会上发表通讯作者论文30余篇，累计他引逾万次，多次获评Clarivate/SCI全球高被引学者、Elsevier中国高被引学者等。近五年实验室自主开发的十余个生物信息学新算法软件及数据库获海内外有效访问15亿次，半数以上来自海外，跻身于国内自主开发最具国际影响力的生物信息技术行列，多项成果入选ESI Highly Cited (Top 1%)论文、中国生物信息学十大进展、中国生物信息学十大数据库、中国热点论文榜等。作为高校教师，高歌教授专注于教学与人才培养，入选北京高等学校优秀专业课主讲教师、北京大学教学优秀奖、最受欢迎教师、北京市优秀论文指导教师等，所培养的研究生多人次获评吴瑞奖学金、国家奖学金、校长奖学金和北京市/北京大学优秀毕业生；其作为主讲教师创设的国际首门中英双语生物信息学慕课(MOOC)入选国家首批精品在线课程(2017)、首批国家级一流本科课程(2020)，相关成果获北京高等教育教学成果一等奖(2013~2017，第一完成人)，配套教材已由高等教育出版社正式出版。

7、Q&A

相关阅读