国内外有哪些不错的AI4Science的组或实验室？

幸福侠侣

国内外有哪些不错的AI4Science的组或实验室？
原文地址：https://www.zhihu.com/question/629344472

大力水手

我理解的AI4Science，主要是为科研人员提供基于AI的各种数据处理工具，从而加速全世界的科研进程。
神经科学领域不得不提到Pachitariu + Stringer Lab 和Mackenzie Mathis Lab：
一、Pachitariu + Stringer Lab



他们在HHMI Janelia Research Campus的实验室，既做神经科学相关的问题，也为整个领域提供Computational的计算工具。

1、Facemap —— AI-based 小鼠面部追踪

Facemap是一个基于Python的计算模型框架，能够准确追踪和分析小鼠的面部运动，专为深入理解鼠类口面行为（如嗅探、咀嚼和面部表情）与大脑神经活动之间的复杂联系而设计[1]：



Fast and accurate mouse orofacial keypoint tracking

https://github.com/MouseLand/facemap
Pose tracking using Facemap
https://www.zhihu.com/video/1765370696597975041
Facemap相关的教程：
Treasure琛：Facemap —— 小鼠面部追踪
2、Cellpose —— AI-based 细胞分割

Cellpose，是一种通用的、基于深度学习的细胞分割方法。利用cellpose，我们可以对不规则、重叠严重的细胞进行较为准确的细胞分割[2]：



Cellpose model architecture

https://github.com/MouseLand/cellposeCellpose的系列教程：
（1）利用Cellpose，配合ImageJ的操作，无需编程来实现细胞分割：
Treasure琛：ImageJ实用教程——基于cellpose的不规则细胞分割（案例分析篇）（2）本地安装CPU版本的Cellpose，并利用Cellpose的GUI进行细胞分割：
Treasure琛：细胞分割神器——Cellpose（安装篇）（3）Python脚本调用Cellpose，进行自动细胞计数：
Treasure琛：细胞分割神器——Cellpose（自动计数篇）（4）Python脚本中调用Cellpose，并利用GPU进行加速：
Treasure琛：细胞分割神器——Cellpose（GPU加速）（5）用自己的数据训练一个定制的细胞分割模型：
Treasure琛：Cellpose 2.0——利用自己的数据训练模型

二、Mackenzie Mathis Lab



Mathis实验室围绕两个互动领域展开：开发开源机器学习工具和揭示适应性行为过程中的神经动态。她们实验室开发了基于AI的动物姿态追踪以及神经解码的工具。

1、DeepLabCut —— AI-based 动物姿态追踪

DeepLabCut（DLC）是一个开源的深度学习工具，旨在实现姿态估计和运动分析[3]。



Procedure for using the DeepLabCut Toolbox


https://www.mackenziemathislab.org/deeplabcutDeepLabCut教程：
Treasure琛：AI动物姿态追踪——DeepLabCut

2、CEBRA —— AI-based 神经活动解码

CEBRA 是一种自监督的非线性聚类方法，用于揭示神经元活动数据中原本隐藏的结构，能够解码小鼠大脑视觉皮层的活动，以重建所观看的视频[4]。



Use of CEBRA for consistent and interpretable embeddings

https://github.com/AdaptiveMotorControlLab/CEBRA
CEBRA applied to mouse primary
https://www.zhihu.com/video/1765379278525784064


三、总结

在神经科学领域，AI4Science 正不断推动着科学研究，不断产生新的突破。
随着科研采集到的数据越来越庞大，越来越复杂，数据处理方法也亟需发展。
基于AI的工具可以处理和分析复杂数据集，揭示其中的模式和关联，这对于理解复杂系统和现象具有重要意义。这些工具和算法能够解决传统科学方法难以克服的问题。
这也意味着作为科研工作者，需要积极学习这些工具，才能让AI真正的for Your Science。

清风寡欲

可以参考以AI4Science为主的workshop的组织者和speaker的情况：AI for Science （NeurIPS和ICML）
===================更新===================
在会议上有“话语权”不一定就代表工作做得“好”，现在AI4Science的研究人员很多，也分很多流派和方向，列名单是列不完的。
比如我老板前段时间就参与组织了一个会议 European AI for Fundamental Physics Conference (EuCAIFCon)，半数以上的plenary speaker的名字没有在知乎上出现过：EuCAIFCon 2024

检验医师

这里推荐一波中科大王杰教授的MIRA实验室。
MIRA实验室创立之初以强化学习、图机器学习为主要研究方向，近年来开始投入ai4science的工作。目前主要有以下几个方向：
1）科学计算：包括利用ai加速pde的求解，利用ai生成pde相关数据集等。代表性工作为
Accelerating Data Generation for Neural Operators via Krylov Subspace Recycling
（ICLR 2024 spotlight，作者在知乎上介绍本文：如何看待ICLR2024录用结果?）
2）运筹优化：包括利用VAE生成混合整数规划问题数据集，符号学习加速混合整数规划问题的求解等。目前在运筹优化领域与华为诺亚实验室合作，相关工作已使用在华为天筹求解器中。代表性工作有：A Deep Instance Generative Framework for MILP Solvers Under Limited Data Availability（NIPS 2023 spotlight），Rethinking Branching on Exact Combinatorial Optimization Solver: The First Deep Symbolic Discovery Framework（ICLR 2024，作者在知乎上介绍本文：如何看待ICLR2024录用结果?），Learning Cut Selection for Mixed-Integer Linear Programming via Hierarchical Sequence Model（ICLR 2023）
3）芯片设计自动化：包括利用ai对芯片设计优化布局布线，逻辑综合等。代表性工作有：A Circuit Domain Generalization Framework for Efficient Logic Synthesis in Chip Design
除此之外，依托MIRA实验室前期在图机器学习上的经验和中科大的理化优势，目前组内也有做ai4dft以及蛋白质性质预测的相关工作。
欢迎大家来交流！

长长的路

伴随着学界和产业界对科学计算领域前沿算法、先进算力和应用场景的持续创新和极致追求，近期AI4Science领域的成果不断爆发。本文列举了国内活跃在AI4Science领域的部分专家和学者团队及其研究方向。
张东辉院士团队——大连化物所：

主页：http://sourcedb.dicp.cas.cn/zw/zjrck/200908/t20090820_2428104.html
研究方向：
聚焦于化学反应动力学理论研究，包括AI融合的势能面求解方法，发展了多原子反应量子含时波包理论方法，建立了高精度势能面构建方案，将反应动力学的精确理论研究从三原子体系拓展到多原子体系。
于璠博士——华为AI4Sci LAB主任：

知乎主页：https://www.zhihu.com/people/yu-fan-42-9
研究方向：
于璠博士是华为软件领域科学家，华为昇思MindSpore技术总经理，华为AI4Sci LAB主任。MindSpore(https://www.mindspore.cn/)是原生支持大模型的AI架构，也是业界首个支持科学计算的AI融合框架，已经在AI4Science方向发布了多个领域的应用套件。加速科学计算、为科学研究赋能为MindSpore核心能力定位之一。同时，于璠博士也以较高的更新频率在知乎发表了很多深度介绍AI4Sci领域前沿成果的文章。
孙浩——中国人民大学高瓴人工智能学院

主页：https://gsai.ruc.edu.cn/haosun
研究方向：
主要从事科学智能（AI4Science）、科学计算领域中的人工智能理论与方法研究。在Nature子刊提出了一种新的物理知识嵌入深度学习架构，即PeRCNN，用于偏微分方程（PDE）正反问题求解、非线性时空动力系统建模和控制方程发现，旨在改善复杂时空动力系统基于稀疏和噪声数据建模的准确性和可解释性。该论文还建立了一个强制编码物理结构的循环卷积神经网络框架，有效解决了网络对训练数据的依赖性，突破了神经网络模型不可解释的瓶颈，同时提升了模型的外推和泛化性，在各类反应扩散系统（RD）问题场景实现成功验证。
杨跃东老师——中山大学：

主页：http://biomed.nscc-gz.cn/sail/research
研究方向：
1）跨尺度多组学大数据分析，融合医疗表型（医疗图像、电子病历、ECG/EEG）、生物多组学（基因型、转录组、表观遗传等）；
2）全流程药物智能设计：集合蛋白质结构和功能预测、高通量药物虚拟筛选、药物分子生成设计、药物ADMET预测、知识图谱；
3）高性能生物医药计算平台：基于超算构建统一的大数据存储、管理和挖掘，以及应用的高性能计算和任务管理的一站式计算平台。
叶茂教授团队——大连化物所：

主页：https://people.ucas.ac.cn/~maoye
研究方向：
人工智能在催化反应过程中的应用，如全流程自动化、智能化的高通量催化反应评价装置开发，基于大模型的文献反应机理知识抽取，MTO反应器催化剂积碳在线监测，通过数字孪生体与物理实体的平行运行、实时交互与迭代优化以实现DMTO中试过程精准调控等，以建立知识图谱和大模型为基础的“智能化工工程师”系统。
江俊教授团队——中科大：

主页：https://faculty.ustc.edu.cn/jiangjun1/zh_CN/index.htm
研究方向：
发展融合人工智能与大数据技术的量子化学方法，聚焦于复杂体系内电子运动模拟，研究在多个物理与化学应用领域（能源催化、功能材料、光化学、谱学）中的实际问题。发布了开发和集成移动机器人、智能化学工作站、智能操作系统、科学数据与模型库，研制出全球首个“数据智能驱动的全流程机器化学家平台”。
董彬——北京大学教授；国际机器学习研究中心副主任：

主页：https://www.math.pku.edu.cn/amel/sysjj/dsgrjs/91771.htm
知乎主页：https://www.zhihu.com/people/wu-ming-shi-57-55
研究方向：科学计算、机器学习及其在计算成像和数据分析中的应用。
张伟伟——西工大教授；智能流体力学产业联合体秘书长/副理事长

主页：https://teacher.nwpu.edu.cn/m/2006000145
ResearchGate：https://www.researchgate.net/profile/Weiwei_Zhang23
研究方向：
研究方向为智能流体力学，利用流体力学大数据，结合人工智能算法和流体力学理论，开展数据驱动的微分方程识别、湍流模型机器学习、流场特征提取与建模、多源气动载荷智能融合方法，以及推广智能流体力学在多场耦合、多学科优化以及流动智能控制等方面的应用研究。2023年11月4日张老师课题组发布秦岭·翱翔大模型，通过打造智能通用的流体力学软件平台与流体工业全场景应用底座，旨在实现全场景流场准确预测。同时结合业界领先的数据同化、AI 湍流模型、流场快速预测等技术，支撑流体力学大模型的基础构架。
李惠院士课题组——哈尔滨工业大学：

主页：https://homepage.hit.edu.cn/lihui
研究方向：团队在AI应用于结构健康监测、AI4CFD、AI4Material等方向均有丰富的成果。在AI4CFD方向，做了很多扎实的工作，发表了SONets，DeepTRNet，NSFnets等多个基于PINNs方法求解NS方程的成果。
东南大学崔铁军院士团队：

主页：https://radio.seu.edu.cn/2018/0423/c19949a213701/pagem.htm
研究方向：智能电磁超材料（AI+Metamaterials）
东南大学陆卫兵团队：

主页：https://radio.seu.edu.cn/2018/0423/c19949a213709/pagem.htm
研究方向：智能电磁计算与电磁空间数字孪生
李廉林团队——北京大学：

主页：https://ele.pku.edu.cn/info/1121/1361.htm
研究方向：包括智能电磁探测与成像
陈红胜团队——浙江大学：

主页：https://person.zju.edu.cn/chenhongsheng/
研究方向：包括新型人工电磁结构、深度学习与智能电磁波调控等
金亚秋院士团队——复旦大学：

主页：http://www.it.fudan.edu.cn/Data/View/1044
研究方向：包括理论建模-数值模拟-反演重构-智能感知信息技术等
李懋坤团队——清华大学：

主页：http://web.ee.tsinghua.edu.cn/limaokun/zh_CN/index.htm
研究方向：AI+计算电磁学，着眼于快速建模和反演算法及其在天线建模、地球物理勘探、生物医学成像等方面的应用
高毅勤教授团队——昌平实验室：

主页：https://icg.pku.edu.cn/kxyj/yjtd/498923.htm
研究方向：
专注于系统性基础理论研究：
1）发展新一代分子模拟方法，结合深度学习，预测生物大分子的结构，理解生物体系中的构效关系，基于功能进行分子设计；
2）将计算生物学应用于高通量测序及高精度成像结果的分析和建模，从物理化学的角度理解生命过程。
刘海燕教授团队——中科大：

主页：https://biocomp.ustc.edu.cn/index.html
研究方向：
包括蛋白质设计和基于计算的蛋白质结构功能研究。在蛋白质模拟方法方面，先后发展了单参考态自由能微扰、酶反应自由能面模拟、集合自由度增强采样等技术。近年来，围绕蛋白质设计方法，发展了BACUS、ABACUS-R、SCUBA、SCUBA-D等基于人工智能的蛋白质设计方法，均得到了实验验证，达到了国内外领先水平。在包括Nature及子刊、JACS、PRL等杂志发表论文达百余篇。
来鲁华教授课题组——北京大学

主页：http://mdl.ipc.pku.edu.cn/mdlweb/home-cn.php
研究方向：
主要应用物理化学、计算和实验生物化学以药物化学方法研究蛋白质及其参与的生命过程。我们发展新的计算设计方法与程序，模拟生物分子机制及系统规律；采用理论计算与实验密切结合的方法定量研究生物分子作用机制并进行蛋白质、药物和生物系统设计。已开发多种基于人工智能的计算方法，包括药物性质预测、分子生成模型和计算机辅助逆合成路线预测等。
黄小猛教授团队——清华大学：

主页：https://faculty.dess.tsinghua.edu.cn/huangxiaomeng/zh_CN/index.htm
研究方向：长期从事地球系统数值模拟、高性能计算、大数据和人工智能方面的研究工作，多项成果被地球系统数值模拟科学大装置和美国大气科学研究中心的CESM模式采用。
罗京佳教授团队——南信大：

主页：https://kpjd.nuist.edu.cn/2020/1002/c6291a164668/pagem.htm
研究方向：长期从事热带气候年际-年代际变化、全球气候模式研发、气候预测理论和方法及应用、气候变化机制等研究。研发并改进了两代具有国际先进水平的全球海-气-陆耦合模式，提出的海-气耦合方案被国际CMIP5模式广泛采纳，推动了气候模式的发展。开展了国际较高水平的气候预测方面的研究，世界首次成功提前一年实时预测印度洋偶极子，ENSO年际预测水平2008年以来一直处于国际领先，是第一个利用全球气候模式将ENSO预测从国际上普遍的提前6个月提高到提前2年左右，同时在利用机器深度学习方法开展ENSO季节-年际预测研究的成果也居于国际领先水平，推动了热带气候季节-年际预测研究的发展。

同花顺

从2篇最近很火的有关AI4Science综述文章中着手来看AI for Science的组，论文的官方链接都放在了一级标题下面。作者当中基本都是计算机的老师，可能有部分是science的。如果不是CS系，我会着重指出其所属的科学院系（物理，化学，生物等）。
持续更新ing~
如果对您有帮助，还请你点赞，收藏和转发，感谢您的支持！
1. 2023 [Nature] Scientific discovery in the age of artificial intelligence

中文名称：人工智能时代的科学发现
论文链接：https://www.nature.com/articles/s41586-023-06221-2
作者：Hanchen Wang, Tianfan Fu, Yuanqi Du, Wenhao Gao, Kexin Huang, Ziming Liu, Payal Chandak, Shengchao Liu, Peter Van Katwyk, Andreea Deac, Anima Anandkumar, Karianne Bergen, Carla P Gomes, Shirley Ho, Pushmeet Kohli, Joan Lasenby, Jure Leskovec, Tie-Yan Liu, Arjun Manrai, Debora Marks, Bharath Ramsundar, Le Song, Jimeng Sun, Jian Tang, Petar Veličković, Max Welling, Linfeng Zhang, Connor W Coley, Yoshua Bengio, Marinka Zitnik*



nature文章网页

一作本人在知乎 @HanchenHanchen
Hanchen Wang博士主页：Hanchen Wang, Stanford, Genentech
作者中不乏AI领域都很眼熟的名字。（就倒着来吧）
Marinka Zitnik（通讯作者）哈佛大学（Harvard）

主页：Artificial Intelligence for Medicine and Science
看个人主页介绍研究的AI4Sci聚焦于：医学和科学领域的人工智能




Marinka Zitnik主页研究兴趣

Yoshua Bengio 蒙特利尔大学(umontreal)

主页：Research - Yoshua Bengio
深度学习三巨头之一，也做了很多AI4Sci的工作（包括但不限于药物发现，气象科学等，当然大佬肯定啥都做，不是主攻）
Jian Tang（唐建）蒙特利尔大学(umontreal)

主页：Jian Tang’s Homepage
（由于也是蒙特利尔大学的，属于Bengio的大团队就提前一下）
AI4Sci研究：GNN作药物设计，几何深度学习，分子模拟
唐老师还在国内成立了一家AI生物制药公司：百奥几何
Max Welling 微软&阿姆斯特丹大学（UVA）

主页：Amsterdam Machine Learning Lab
谷歌学术：Max Welling
这位大牛想必也不用多说，VAE，GCN这都是经典中的经典。（大牛名字其实挺物理的，麦克斯韦方程）
Max Welling同时在阿姆斯特丹和微软联合成立了实验室主攻分子模拟。机器之心21年报道：
刚获ICML大奖的机器学习大牛Max Welling加入微软，主攻分子模拟
Petar Veličković （Google DeepMind）

主页：Petar Veličković
GAT一作，做几何深度学习，计算生物学等等
Pushmeet Kohli（Google DeepMind）

谷歌学术：Pushmeet Kohli
大名鼎鼎的AlphaFold的作者之一。
Jimeng Sun 伊利诺伊大学香槟分校（UIUC）
主页：SunLab
主要做医疗保健人工智能（AI for healthcare）也就是AI ╳ 医学



SUNLAB

Le Song（宋乐） 百图生科（biomap）&穆罕默德·本·扎耶德人工智能大学(MBZUAI)

主页：Le Song
百图生科CTO，聚焦于图神经网络，主页写道“I am fascinated by the synergy between AI and other science areas, such as drug design and materials science.”即做AI ╳ 药物设计和材料科学
Tie-Yan Liu（刘铁岩） 微软亚洲研究院（MSRA）

主页：http://research.microsoft.com/users/tyliu
微软研究员杰出科学家，IEEE Fellow | ACM Fellow | AAIA Fellow，LightGBM通讯。
2022 年 7 月 7 日，微软研究院宣布成立一个新的全球组织，名为 MSR AI4Science。 刘铁岩老师负责领导这个新组织中的亚洲团队。聚焦于科学计算加速。
Jure Leskovec 斯坦福（Stanford）

主页：Jure Leskovec @ Stanford
这位也想必不用多说，图神经网络第一人（GraphSAGE,Node2Vec），AI4Sci做药物发现，分子模拟等。这篇nature的一作Hanchen Wang目前在Jure组里做博后。



Jure's SNAP Group

Joan Lasenby 剑桥大学（Cambridge）

主页：Signal Processing and Communications Laboratory
可能不那么AI4Sci，主要做三维重建，也是一作Wang博士在剑桥的博导。
Carla P. Gomes 康奈尔大学 （cornell）

主页：https://www.cs.cornell.edu/gomes/
实验室主页：Computational Sustainability



Cornell Institute for Computational Sustainability (ICS)

AI4Sci做计算可持续性（Computational Sustainability ）



Subway Lines: Computational Themes and Project Interactions

Karianne J. Bergen  布朗大学（Brown）

主页：Karianne Bergen
实验室主页：SciML Research Group
AI4Sci做地震学和生物防御（earthquake seismology and biodefense）。
Anima Anandkumar 加州理工（CalTech）&英伟达（NVIDIA）

ACM/AAAI/IEEE Fellow
主页：Anima AI + Science Lab



Anima AI + Science Lab

截至2023年11月，这篇文章的作者中是CS的教职以及业界的大拿基本都写在上面了，再往前的作者均为学生，当然他们都是很有潜力的学者，未来会是AI4Science的rising star。
2. 2023 [arXiv] Artificial intelligence for science in quantum, atomistic, and continuum systems

中文名称：量子、原子和连续系统科学中的人工智能
论文链接：Artificial Intelligence for Science in Quantum, Atomistic, and Continuum Systems
项目网站：https://www.air4.science/
代码：https://github.com/divelab/AIRS
作者：Xuan Zhang, Limei Wang, Jacob Helwig, Youzhi Luo, Cong Fu, Yaochen Xie, Meng Liu, Yuchao Lin, Zhao Xu, Keqiang Yan, Keir Adams, Maurice Weiler, Xiner Li, Tianfan Fu, Yucheng Wang, Haiyang Yu, YuQing Xie, Xiang Fu, Alex Strasser, Shenglong Xu, Yi Liu, Yuanqi Du, Alexandra Saxton, Hongyi Ling, Hannah Lawrence, Hannes Stärk, Shurui Gui, Carl Edwards, Nicholas Gao, Adriana Ladera, Tailin Wu, Elyssa F. Hofgard, Aria Mansouri Tehrani, Rui Wang, Ameya Daigavane, Montgomery Bohde, Jerry Kurtin, Qian Huang, Tuong Phung, Minkai Xu, Chaitanya K. Joshi, Simon V. Mathis, Kamyar Azizzadenesheli, Ada Fang, Alán Aspuru-Guzik, Erik Bekkers, Michael Bronstein, Marinka Zitnik, Anima Anandkumar, Stefano Ermon, Pietro Liò, Rose Yu, Stephan Günnemann, Jure Leskovec, Heng Ji, Jimeng Sun, Regina Barzilay, Tommi Jaakkola, Connor W. Coley, Xiaoning Qian, Xiaofeng Qian, Tess Smidt, Shuiwang Ji



arXiv封面

这篇的大通讯Shuiwang Ji（姬水旺）老师是Jieping Ye（叶杰平）老师的学生，也可以看到这两篇作者中重合度很高。



Shuiwang Ji在X上宣传该工作，第一个评论是Google DeepMind高级研究员Danilo J. Rezende



Jure教授转发Shuiwang Ji宣传工作X

Danilo J. Rezende：谷歌学术：Danilo J. Rezende
Shuiwang Ji（姬水旺）德克萨斯农工大学（TAMU）通讯作者

谷歌学术：Shuiwang Ji, Professor and Presidential Impact Fellow
主页：http://people.tamu.edu/~sji/（IEEE Fellow，姬老师主页的bio写的很有意思）
近些年做了很多AI4Science的工作，聚焦于图神经网络做药物发现，以及量子物理领域等



DIVE Lab

Tess Smidt 麻省理工学院（MIT）

主页：https://blondegeek.github.io/
MIT本科，UC Berkeley硕博都是物理学学位，入职的是MIT EECS。她的研究集中在结合物理和几何约束的机器学习，以及在材料设计中的应用。
Xiaoning Qian （TAMU）

主页：Xiaoning Qian @ TAMU ECE
AI4S：机器学习、贝叶斯方法、最优实验设计、信号/图像处理及其在生命和材料科学中的应用。
Connor W Coley （MIT 化工系 Department of Chemical Engineering）

主页：Coley Research Group
AI4S：AI × 化学，AI加速化学发现
Tommi Jaakkola (MIT)

主页：Tommi Jaakkola
AI4S：机器学习做分子结构设计发现等
Regina Barzilay (MIT)

主页：Home | Regina Barzilay
AI4S：癌症检测，药物发现
Stephan Günnemann 慕尼黑工业大学（TUM）

主页：Startseite
还是机器学习为主，AI4S：分子设计，量子计算等
Rose Yu (虞琦) 加州大学圣地亚哥分校（UCSD）

主页：https://roseyu.com/
AI4S：物理引导的时空动力学深度学习



Rose-STL-Lab

Pietro Liò 剑桥大学 （Cambridge）

主页：Computer Laboratory
AI4S：人工智能+计算生物学，以了解疾病的复杂性，解决个性化和精准医学化问题。当前的研究重点是图形神经网络建模。谷歌学术的领域tag：AI & Comp Biology -> Medicine



Research interests

Stefano Ermon （Stanford）

主页：Stefano Ermon
代表作：生成对抗模仿学习（Generative adversarial imitation learning）, 去噪扩散隐式模型(DDIM)
AI4S：计算可持续性（Computational Sustainability），环境科学等实际现实问题
Michael Bronstein 牛津大学（OX）

主页：Michael Bronstein
AI4S：几何深度学习3D 形状分析、蛋白质设计
Alán Aspuru-Guzik 多伦多大学

主页：The Matter Lab
AI4S：通过量子计算、机器学习和自动化等新技术，加速发现对社会有用的新化学品和新材料（新材料发现，量子计算）。
Tailin Wu (吴泰霖) 西湖大学（Westlake）

主页：Tailin Wu (吴泰霖): Home
吴老师的教育经历堪称豪华：北大物理本科，MIT物理学博士（导师：Max Tegmark），Stanford博士后（合作导师：Jure Leskovec）
AI4S：科学模拟，科学发现，实验室名称为：人工智能和科学仿真发现实验室
Tianfan Fu 伦斯勒理工学院 (RPI)

主页：Tianfan Fu's Homepage
AI4S：人工智能药物发现 科学人工智能（生物学/化学/制药） 人工智能药物开发（临床试验） 医疗保健人工智能
截至2023年11月，这篇文章的作者中是CS的教职以及业界的大拿基本都写在上面了，再往前的作者均为学生，当然他们都是很有潜力的学者，未来会是AI4Science的rising star(梅开二度)。
其它

Kaiming He（何恺明）（MIT）

主页：https://kaiminghe.github.io/
何老师在MIT的job talk提到了未来要做AI4Sicence，2024年何恺明老师将入职MIT，相信何老师未来会在这个方向有很大成就！
SciAI Center （Cornell）

主页：Scientific Artificial Intelligence Center
由康奈尔大学发起的，一个研究中心。SciAI中心是一个由研究人员组成的社区，他们对仔细研究人工智能和科学交叉领域出现的科学问题有着共同的兴趣。



SciAI Center 的合作高校：UC Berkeley，Brown，Caltech，剑桥，UCSC（Santa Cruz）

Max Tegmark （MIT，物理系）

实验室主页：https://space.mit.edu/home/tegmark/
前文提到的吴泰霖老师的博导，MIT 物理系教授，AI ╳ 物理结合，也开始搞大模型了（感觉不太那么物理，但非常智能）。
Noe Frank（柏林自由大学（Fu-berlin）&微软 Microsoft）

实验室主页：Artificial Intelligence for the Sciences
物理，数学，化学系三系教授，同时任职于微软AI4S。
研究兴趣（从CV里机翻）：
1.科学中的机器学习:深度学习架构和算法的开发，以解决统计力学、量子力学和理论化学中的基础问题。
2.化学物理和理论化学中的方法开发和模拟:蛋白质分子动力学(特别是长时间尺度模拟)，细胞信号转导的基于粒子的反应动力学，原子尺度和细胞尺度之间的多尺度建模，模拟和实验数据的集成。
3.针对开源传播的科学软件开发方法:社区可用软件的传播研究，模块化软件设计，开源软件Python ，C，C++，Java。
Yisong Yue（岳一松）（Caltech）

主页：Machine Learning Professor @ Caltech
AI4S：研究人工智能方法如何改进科学工作流程并加速知识发现；开发自动化实验设计和人类可理解的建模方法；部署在实际系统中。
George Em Karniadakis （Brown）

实验室主页：Latest on Crunch Seminar
AI4S：PINNS和DeepOnet的发起人。为不同的物理和生物科学中的非无菌计算问题提供现实的解决方案。 能够从所有这些数据中发现新的方程！
Maziar Raissi 科罗拉多大学博尔德分校（CU Boulder）

主页：Maziar Raissi
George Em Karniadakis教授的学生，
PINNS一作
AI4S：AI × 物理，物理驱动的机器学习，深度学习。
Lu Lu 耶鲁大学（Yale）

实验室主页：Lu Group - Yale University
DeepOnet一作
AI4S：理论、算法、软件及其在工程、物理和生物问题中的应用。 研究兴趣集中在物理和生物系统的多尺度建模和高性能计算。尤其是PINNS（Physics Informed Neural Networks）



Lu Group

鄂维南院士 北京大学（PKU）

北大主页：鄂维南 北京大学
主要从事机器学习、计算数学、应用数学，及其在化学、材料科学和流体力学中的应用。
鄂院士对AI4Science极力支持，做了很多相关报告：鄂维南《AI for Science：一场正在发生的科技革命》｜理解未来科学讲座实录
汤超院士 北京大学

北大主页：汤超 中文主页--首页
智源大会：汤超院士：关于AI for Science的几层意思
李子青（Stan Z. Li） 西湖大学（Westlake）

主页：李子青博士（IEEE Fellow，IAPR Fellow）
谷歌学术：Stan Z. Li (李子青)
AI4S：AI+学科交叉应用（计算机视觉、生命科学、合成生物学、材料科学、环境科学）
王笑楠 清华大学化工系 （THU）

主页：Xiaonan SSE Group
清华大学化工系，AI × 化学
黄文炳 中国人民大学 （RUC）

主页：黄文炳-教师系统
AI4S：几何深度学习
集智平台内容整理：几何深度学习
孙浩 中国人民大学（RUC）

主页：孙浩-教师系统
AI4S：科学智能（AI for Science）、科学计算领域中的人工智能理论与方法、物理信息人工智能理论与方法、数据驱动复杂动力系统建模、识别与控制方程找型
刘扬 中国科学院大学（UCAS）

主页：刘扬-中国科学院大学-UCAS（海外优青）
AI4S：多尺度计算力学，物理启发人工智能、机器学习知识嵌入与知识发现
严俊驰 上海交通大学（SJTU）

实验室主页：SJTU-ReThinkLab 上海交通大学三思实验室 (优青，IET Fellow)
AI4S：量子人工智能，偏微分方程，EDA设计
余国先 山东大学（SDU）

主页：余国先 山东大学主页平台管理系统--中文主页
实验室：IDEA
公众号：AIforBio
AI4S：生物信息学



IDEA

小结

感觉AI4Sicence涵盖的范围实在是太广了，感觉任何AI交叉的医学，药学，物理，生化环材甚至数学等等基础科学都可以涵盖其中。
根据平时文章阅读和学习（摸鱼）时看到的组，进行了简单总结，欢迎大家补充。
相关链接

• AI for Science三大会 workshop：https://ai4sciencecommunity.github.io/
  
• @李军 李军：我所知道的几个AI4Science研究机构
  
• 第一篇nature作者Hanchen Wang的知乎回答（AI4S的学术新星）：在你的研究领域，有哪些开了挂一样年轻有为的学术新星？
  
• ai for science值得研究研究吗？有研究前景不？ - Hanchen的回答 - 知乎
  
• 做Ai for Science的研究应该找Ai背景的导师还是Science背景的导师？
  
• 国内哪所大学在ai for science方向比较强？
  
• AI 一路狂飙，详细盘点国内这些 「AI for Science」高校、公司和机构
  
• AI for Science的学术新星——在你的研究领域，有哪些开了挂一样年轻有为的学术新星？
  

国内外高校和企业里时空数据挖掘相关的团队有哪些？国内外有哪些不错的图神经网络的组或实验室？国内外研究多模态的知名团队有哪些？