报告简介

本报告首先介绍科学机器学习的两类基础方法。物理信息神经网络（PINN）将偏微分方程、初始条件和边界条件纳入训练目标，使神经网络的预测受到物理规律约束；神经算子则学习从输入函数到解函数的映射，以 DeepONet 和傅里叶神经算子（FNO）为例，说明模型如何在一类问题上重复使用。通过比较两类方法的适用场景与常见困难，报告引出一个核心问题：当模型结构、采样策略和训练方式都需要反复调整时，能否让智能体参与科学方法的设计与验证？

在此基础上，报告将重点解读 AgenticSciML 的多智能体协作与方法搜索框架，展示智能体如何检索已有知识、提出改进方案、编写和运行代码，并根据数值评价结果决定下一步。结合 The AI Scientist 和 Virtual Lab 等论文案例，报告还将讨论科学智能体从计算实验走向真实实验时的能力边界。

分享大纲

1. 科学机器学习基础：介绍 PINN 与神经算子的基本原理及应用。

2. 科学智能体的工作方式：说明工具调用、实验反馈与方案迭代。

3. 科学智能体的科研实践：结合 AgenticSciML、The AI Scientist 和 Virtual Lab，讨论方法探索、实验验证与结果可靠性。

核心概念

1. 物理信息神经网络（PINN）：用神经网络近似方程的解，并在训练中加入方程残差，以及问题给定的初始条件、边界条件或观测数据。

2. 神经算子（Neural Operator）：学习函数空间之间的映射；在偏微分方程问题中，目标是近似从输入函数到对应解的算子。

3. 科学智能体：分工完成数据分析、知识检索、方案提出、代码实现和结果评价，并利用评价结果继续改进方案的智能体系统。

4. 建模策略探索：探索模型结构、损失函数和训练方法等选择。原文强调探索 建模策略空间，其范围超过参数配置的搜索。

5. 评价契约（Evaluation Contract）：AgenticSciML 在生成方案前，用统一的评价脚本和实现规范规定候选方案如何接受测试、计算指标和获得分数，并由人确认。

主讲人介绍

主讲人：杨武岳，现任北京雁栖湖应用数学研究院副研究员。她于2022年在清华大学丘成桐数学科学中心获得应用数学博士学位。她的研究方向聚焦于人工智能与科学发现的交叉领域，专攻物理信息机器学习、科学机器学习和生物医学人工智能。她致力于开发融合微分方程和物理原理的可解释神经网络模型，并将其应用于复杂动力系统、蛋白质聚集动力学和疾病建模等领域。杨博士已在SIAM Journal on Scientific Computing、Physics of Fluids和Journal of Computational Physics等高水平期刊发表SCI论文二十余篇，谷歌学术总引用1000余次。她主持国家自然科学基金(C类)和中国商飞的科研项目，同时承担人工智能课程教学工作。

参考文献

[1] RAISSI M, PERDIKARIS P, KARNIADAKIS G E. Physics-informed neural networks: A deep learning framework for solving forward and inverse problems involving nonlinear partial differential equations[J]. Journal of Computational Physics, 2019, 378: 686–707.

[2] LI Z, KOVACHKI N, AZIZZADENESHELI K, et al. Fourier neural operator for parametric partial differential equations[C]// International Conference on Learning Representations. 2021.

[3] JIANG Q, KARNIADAKIS G. AgenticSciML: Collaborative multi-agent systems for emergent discovery in scientific machine learning[J]. npj Artificial Intelligence, 2026, 2: 57.

[4] LU C, LU C, LANGE R T, et al. The AI Scientist: Towards fully automated open-ended scientific discovery[EB/OL]. arXiv:2408.06292, 2024.

[5] SWANSON K, WU W, BULAONG N L, et al. The Virtual Lab of AI agents designs new SARS-CoV-2 nanobodies[J]. Nature, 2025, 646: 716–723.

时间信息

报名读书会：AI for Math

报名方式

  第一步：微信扫码填写报名信息。

加入社区可享核心资源

特色退费与激励机制

1. 任务达标退费路径
   
   认领并合格完成任意两期字幕任务，即可退还全额报名费，并额外获得集智专属周边奖励。
2. 运营成长激励路径
   
   合格完成一个字幕任务后，可申请成为运营助理。在读书会项目顺利结项后，将退还学费。表现优异者，还有机会获得额外的奖学金。

推荐推荐

1. 「AI for Math」读书会第二季推荐阅读材料

2. 往期公众号相关内容推荐