简介

人工智能一直与自然科学有着深厚的联系。人工神经网络最初被认为是生物神经网络的抽象，许多后续算法（例如强化学习）也是如此。神经网络也受到了物理学中许多概念的启发，例如 Hopfield 网络是根据伊辛模型建模的。最近，对称性和重整化群等物理学概念也被纳入新颖的深层架构的设计中。借助这些新工具，深度学习彻底改变了自然语言处理和计算机视觉等领域。同样在相反的方向上，机器学习对实验数据的分析做出了巨大贡献，例如欧洲核子研究中心的粒子碰撞事件。然而，最近，一种新的科学范式正在出现，深度学习模型正在加速和改进科学模拟，被一些人称为第五种科学范式。 在本次演讲中，我将首先介绍我们面临的将机器学习应用于科学发现的机会。 在演讲的后半部分，我将更详细地讨论深度学习中的对称性，以及我们关于如何将深度神经网络的隐藏层建模为偏微分方程描述的场的最新想法。令人惊讶的是，人工皮层隐藏层的这种视野可以扩展到量子领域并映射到光学量子计算机设计。这种智力练习对于实用的量子计算机有多大用处，我将留给观众想象。

Prof. Max Welling: https://staff.fnwi.uva.nl/m.welling/

简介： Max Welling 教授博士是阿姆斯特丹大学机器学习领域的正教授兼研究主席。他也是 MSR 的杰出科学家。他是加拿大高级研究所 (CIFAR) 和欧洲学习与智能系统实验室 (ELLIS) 的研究员，并且是该实验室的创始董事会成员。他之前的任命包括高通技术公司副总裁、加州大学欧文分校教授、多伦多大学和伦敦大学学院博士后，并在教授的指导下。 Geoffrey Hinton，加州理工学院博士后，师从教授。彼得罗·佩罗纳. 他在诺贝尔奖获得者教授的指导下完成了理论高能物理学博士学位。杰拉德·特·霍夫特。

Max Welling 于 2011-2015 年担任 IEEE TPAMI 副主编，自 2015 年起担任 Neurips 基金会顾问委员会成员，并分别于 2013 年和 2014 年担任 Neurips 项目主席和总主席。他还曾担任 2009 年 AISTATS 项目主席和 2016 年 ECCV 项目主席，以及 2018 年 MIDL 的主席和联合创始人。Max Welling 荣获 2010 年 ECCV Koenderink 奖和 2021 年 ICML Test of Time 奖。