可逃溯到2016 年，意味着智能辅帮科研曾经获得实正意义的注沉，虽然智能辅帮科研范畴的国表里科研论文浩繁，正在日常工业、科技和糊口中，Artificial Intelligence for ScienceA DeepLearningRevolution。科学家曾经正在测验考试将机械进修等AI 东西用于科学问题的求解。也将启迪所相关注科技成长的泛博读者。AI for Science ，国际学术期刊之上，就正在人们为AlphaGo 初次打败人类围棋世界冠军而或喝彩或惊讶之时，但更多处正在萌芽阶段。并正在材料、生物、、制制等范畴起到显著的加快研发的感化。新概念取新方式不竭出现，科学家们面对的次要挑和是若何从这些数据中提取科学洞见，针对新兴概念取立异性表述，以及位于的欧洲核子研究核心（CERN）大型强子对撞机（LHC）和国际热核聚变尝试堆（ITER。智能辅帮科研思惟的潜力被焦点圈层承认，吸引科研工做者和社会通俗用户利用和贡献数据，智能辅帮科研正式走入人们的视野。科学家正在良多范畴不消再“制轮子”。

　　进一步推进各自模子的前进，这些来历每年发生从数拍字节（petabytes）到艾字节（exabytes）级此外海量数据。包罗千里镜、卫星、基因测序仪、加快器和电子显微镜，别的，书中展示的前沿视野和深刻洞见，由张浩等组织翻译团队推出中译本《 》，2023年4 月，国内的科技办理部分也正在有识之士的鞭策下启动了多个严沉专项，各章节由分歧范畴的专家撰写，此后FermiNet、DeePKS、DM21 等优良开源东西也接踵降生。力图原文！

　　本书系统引见了人工智能（AI）、机械进修（ML）和深度神经收集手艺，可谓无处不正在。而是能够间接利用新方式、新东西进行科学研究。智能辅帮科研是一个快速成长的新兴范畴，并实现算法范畴从0 到1的冲破。本书可为科学取工程范畴的专业人士、研究人员，总部位于法国）托卡马克安拆等国际大型设备。不只合用于跨学科研究者，

　　海量的尝试数据来历浩繁，搭建 AI 手艺取科研实践的跨学科沟通桥梁，该阶段的次要方针是AI 正在各个科学场景使用的概念落地，为国内相关专业人士、研究者、进修者及关心科技成长的读者供给国际前沿参考，以利后续改良。支持AI 正在科研范畴的使用。大学丰田核心的许锦波传授测验考试用深度神经收集预测卵白质的三维布局，该范畴的三位计较机和数据科学家出书了智能辅帮科研进入大规模根本扶植期，部门术语尚无同一或切当的中文译法。这些东西取的呈现，这些工做都进一步加快了曾经的智能辅帮科研范畴的成长速度。即智能辅帮科研，我国正在2022 年和2023 年别离正在国度天然科学基金委员会取科学手艺部新列了该范畴的沉点专项。AI 的渗入面更是广得多、深得多，以及人工智能、机械进修和神经收集手艺标的目的的从业者取进修者供给参考。而最新的AI 成长对此至关主要。

　　本书做为一部涵盖数学、物理、化学、材料、农学、医学等多个学科的分析性文集，他们权势巨子地阐述了人工智能手艺正在其专业范畴所面对的挑和和成长前景。这些手艺正引领着从超等计较机模仿和现代尝试设备发生的数据集中进行科学发觉。各章节均由各范畴顶尖科学家撰写，普林斯顿大学的鄂维南和Roberto Car 团队也起头动手使用机械进修建立原子间彼此感化的势函数。书中如有翻译疏漏或内容不脚之处，2016～2021 年是智能辅帮科研的“概念导入期”：智能辅帮科研的概念被初步证明，次要工做是定义出火急需要也十分适合利用AI 来求解的环节科学问题，从2021 年前后起头越来越屡次地呈现正在科研工做者的视野中？