科学智能AISI

其他

共话AI4S实践|2023AICC大会AI for Science论坛在京举办

11月29日,2023人工智能计算大会(AICC)在北京召开。本届大会由北京市科委中关村管委会、北京市经济和信息化局、海淀区政府支持,浪潮信息主办。大会重点围绕智算基础设施、大模型创新、AI
2023年12月1日
其他

加入我们,与AI for Science相遇

如果你希望加入一个开放,有趣,多元化的团队,并与来自国内外顶尖高校、科研机构和科技企业的优秀学者共同工作;如果你希望拥有思想碰撞的学术环境,自由探索和跨界合作的机会,并拥有充分的职业发展空间和灵活的工作时间;如果你希望拥有国内外领先的平台和资源,无论是在学术界、还是企业界,无论是第一性原理计算、燃烧流体、还是人工智能或者高性能计算领域;我们都可以为你的未来提供更多的选择和可能性。AISI简介北京科学智能研究院(AI
2023年3月29日
其他

深度燃烧你的激情|AISI 燃烧团队招人啦

团队介绍AISI燃烧研究团队是国内外致力于燃烧科学、计算流体力学、计算化学与人工智能、高性能计算交叉融合发展的先行团队之一,拥有国内领先的科研基础、交流平台、以及算力资源。立足于原创的机器学习辅助燃烧计算方法,发起了包括DeePMR、DeepFlame
2022年8月19日
其他

2022科学智能峰会回顾|汤超院士:关于AI for Science的几层意思

。AI是一个强大的使能技术,但背后肯定有其科学原理,也就是说,会有相应的Science。计算机科学家、数学家、物理学家已经在这方面做了不少工作。去年的诺贝尔物理学奖的一半颁给了Giorgio
2022年8月15日
其他

10w字《2022 AI4S全球发展观察与展望》重磅发布,进入公众号下载PDF

关注深势科技公众号,回复“AI4S报告”获取完整版2022年8月8日,2022中关村论坛系列活动——首届科学智能峰会隆重召开。本届峰会由中关村论坛执行委员会办公室、中关村科学城管理委员会指导,北京科学智能研究院(AISI)主办、北京深势科技有限公司承办。本届峰会的主题是“AI
2022年8月8日
其他

Offer不决?量子力学!|AISI电子结构团队招人啦

1926年,薛定谔方程的提出奠定了量子力学的基础——体系的性质可由波函数来描述。1927年,玻恩-奥本海默近似的提出极大简化了薛定谔方程的求解难度——电子与原子核的波函数被分别处理。随后的近100年,科学家们都在为了更精确地求解薛定谔方程而努力。量子化学领域愈发准确高效地考虑电子相关的波函数方法,以及密度泛函领域更好的描述体系密度与能量映射关系的泛函模型,都随着计算资源的不断丰富应运而生。然而,尽管高性能计算技术在飞速发展,计算资源的限制依然客观存在——人工智能研究的开展则是突破这一客观限制的有力手段。我们是谁我们是北京科学智能研究院(AI
2022年7月29日
其他

AI for Science Institute(AISI) 招人啦|快来pick你心动的职位

如果你希望加入一个开放,有趣,多元化的团队,并与来自国内外顶尖高校、科研机构和科技企业的优秀学者共同工作;如果你希望拥有思想碰撞的学术环境,自由探索和跨界合作的机会,并拥有充分的职业发展空间和灵活的工作时间;如果你希望拥有国内外领先的平台和资源,无论是在学术界、还是企业界,无论是第一性原理计算、燃烧流体、还是人工智能或者高性能计算领域;我们都可以为你的未来提供更多的选择和可能性。AISI简介北京科学智能研究院(AI
2022年7月22日
其他

重磅重启,精彩不断!首届科学智能峰会邀您8月相聚

Beijing)、承办单位深势科技共同协商决定,由于疫情原因延期举行的2022科学智能峰会,将于2022年8月8日-8月11日采用线上直播和部分线下的形式举办。2022科学智能峰会以「AI
2022年7月18日
其他

DeepModeling Hackathon 2.0 初赛赛程公布|名师,讲座,丰厚奖金等你来

Beijing,以下简称AISI)与北京深势科技有限公司联合举办,将在7.21拉开序幕。35天时间,玩转DeepModeling社区最火软件,来自效率的挑战,你准备好了吗?Hack
2022年7月17日
其他

精彩回顾 | 第三期哥伦布训练营暨2022材料多尺度计算模拟国际会议DP培训课程圆满结束

第14届材料多尺度计算模拟国际会议于2022年7月4日至8日在成都举行,由电子科技大学承办,围绕新型自旋电子材料及其输运特性、多体系统的量子理论与计算、高效能源转存材料与器件设计、拓扑电子态与拓扑磁性等方向的议题开展研讨。2022材料多尺度计算模拟国际会议开幕式DeepModeling社区受邀参加了此次会议,并于7月7日至8日举办了第三期哥伦布训练营暨2022材料多尺度计算模拟国际会议DP培训课程,共吸引150+名学员报名参与,线上线下好评如潮,赶紧跟随小编盘点一下本次哥伦布训练营亮点和成果,重温一下精彩课程吧~◀课程亮点回顾▶超强的师资阵容本次训练营邀请到DeepModeling创始人之一张林峰博士、社区运营负责人王一博老师、北京大学数学学院博士后王亦楠老师、北京科学智能研究院研究员拓娉老师、dflow工作流套件主要负责人蒲建锟老师担任课程讲师。张与之老师协助对学员问题进行一对一答疑。课上,老师们深入讲解每个项目的闪光点,亮点频现。不同的教学风格、丰富的教学形式为学员们带来了精彩纷呈的课程内容。课后,课程讲师及答疑讲师们收集学员们在课程内容方面存在的困惑和意见。学员们认真聆听、积极交流、纷纷表示受益良多。丰富的课程内容不同于以往课程设置,本期训练营我们充分听取了往期学员的建议,不仅有往期备受好评的《DeePMD-Kit理论
2022年7月15日
其他

DeepModeling Hackathon 2.0 : 来自效率的挑战

World01Hackathon介绍在过去的一年里,许多有关AI4Science的项目在DeepModeling社区以迅雷不及掩耳之势成长起来:更强大的AI辅助分子模拟:DeePMD-kit
2022年7月14日
其他

鄂维南:从数学角度,理解机器学习的“黑魔法”,并应用于更广泛的科学问题

(2018)):这一平均场动力学,实际上是在Wassenstein度量意义下的梯度动力学。人们证明了:如果其初始值的支集为全空间,且梯度下降的确收敛,那么其收敛结果必然是全局最优(参考:Chizat
2022年7月10日
自由知乎 自由微博
其他

这家为AI for Science而生的新研究院,要让科研进入“安卓模式”

Science的基础,便是将深度学习这一能力应用于各种科学问题。在这一思路指导下,鄂维南带领团队于2017年提出深度势能(Deep
2022年6月30日
其他

​AISI燃烧研究团队热招,等你加入

团队介绍AISI燃烧研究团队是国内外致力于燃烧科学、计算流体力学与人工智能、高性能计算交叉融合发展的先行团队之一,拥有国内领先的科研基础、交流平台、以及算力资源。立足于原创的机器学习辅助燃烧计算方法,发起了包括DeePMR、DeepFlame
2022年6月24日
其他

DeePKS+ABACUS:构建高精度第一性原理计算与机器学习势函数的桥梁

近些年来,机器学习势函数的发展极大推动了分子模拟领域的研究,使得针对大体系的高精度性质预测成为可能。然而,机器学习势函数的训练首先需要生成大量的第一性原理计算数据,对于精度要求很高的场景(如Quantum
2022年6月23日
其他

DMFF:共建生产级可微分力场计算引擎,让复杂力场参数优化不再难

开发精度高、可迁移性好的分子力场模型一直是微尺度科学计算领域的核心问题之一。近期,DeepModeling社区的开发者们发起了可微分分子力场(Differentiable
2022年6月17日
其他

DeepFlame: 共建AI for Science时代的燃烧反应流体计算平台

燃烧,特别是多相与湍流中的燃烧,涉及一系列复杂多尺度问题的交叉融合,是长期以来宏观尺度科学计算的痛点领域。近期DeepModeling开源社区发起了「机器学习+物理建模+高性能计算」的全新研究范式,为此领域带来了寻求系统性解决方案的机会。DeepFlame项目基于OpenFOAM、Cantera、Torch等开源平台,结合异构并行与AI加速器等新一代算力基础设施,旨在建设高精度、高效率、简单易用、覆盖面广的燃烧反应流的数值模拟程序,尝试解决闭源代码权威化、算力资源垄断化、祖传代码老化僵化等问题。同时希望结合开源社区的力量,为广大燃烧模拟用户搭建共享代码、算力平台和算例库,尝试改变研究者无代码可用、论文结果难以复现等诸多困局。为什么发起DeepFlame基于宏观连续介质Navier-Stokes方程数值求解的计算流体力学(Computational
2022年6月15日
其他

dflow:共同构建AI for Science和云原生时代的科学计算工作流

等核心开发者的推动下,目前该项目正在紧锣密鼓的开发和使用节奏中。本文将介绍dflow的发起背景、主要特点、以及如何参与到dflow项目中。我们相信,无论你感兴趣的是AI
2022年6月14日
其他

新的科研范式和工业业态应该如何实现|鄂维南院士再谈AI for Science

Science的发展,这些问题都有很大突破,使得原本难以解决的问题能够被高效的解决。因此微观领域工业制造在未来也将成为一个很大的产业。宏观层面的工作制造,主要是指拥有新的CAx体系,包括CAA,
2022年5月15日
其他

AI for Science Institute(AISI) 招人啦|未来已来 欢迎关注

机器学习与物理建模的结合正改变着科学研究的范式。那些希望通过计算建模突破科学边界、解决困难问题的人们正在以前所未有的新方式集结起来。他们需要新的基础设施——新的协作平台,新的代码框架,新的数据处理手段,新的算力使用方式;他们需要新的文化——追求通力协作、惠及大众;追求知识与工具的自由交流与分享;追求尊重并欣赏相互的成就、和而不同。——引用自
2022年4月26日
其他

ABACUS 2.2版本介绍

Theory,简称DFT)作为其中最重要的方法之一,获得了1998年的诺贝尔奖。DFT算法已被实现在各种主流国外软件包中,例如VASP,Quantum
2022年4月8日