在人工智能（AI）领域，深度学习作为一项革命性技术，已经在多个科学和工程领域取得了显著进展。然而，尽管深度学习在图像识别、自然语言处理等方面表现出色，其在物理学等基础科学中的应用仍处于探索阶段。特别是，深度学习的可解释性问题以及如何利用物理学的基本原理来指导和优化深度学习模型，仍然是当前研究中的重要课题。此外，随着大语言模型（如GPT）的发展，AI在科学研究中的应用范式可能面临重大变革。本报告旨在探讨2024年诺贝尔物理学奖授予人工智能专家约翰·霍普菲尔德和杰弗里·辛顿的背后逻辑，分析他们的工作在AI发展史上的关键作用，并深入探讨深度学习的基本原理（包括人工神经网络架构、随机梯度下降算法和自动微分技术）及其在物理学中的应用。随后，通过 physics4ai 项目，展示如何利用物理学的基本原理来优化和解释深度学习模型。最后，介绍大语言模型Agent可能带来的科学研究范式的变革。
简历：
庞龙刚，华中师范大学物理科学与技术学院教授、国家引进海外高层次人才。2012年获得中国科学技术大学博士学位。先后访问劳伦斯伯克利国家实验室，德国法兰克福高等研究中心以及加州大学伯克利分校物理系，2019年回国，入职华中师范大学粒子物理研究所。主要从事高能核物理、计算物理与人工智能研究。自主开发了 GPU 并行的（3+1）维相对论粘滞流体力学程序 CLVisc，模拟在高能核碰撞过程中产生的夸克胶子等离子体（QGP）的时空演化。与合作者一起将CLVisc扩展到了有限净重子化学势区域，使其能够描述束流能量扫描区的核核碰撞过程。率先使用人工神经网络和相对论流体力学从核核碰撞数据中提取核物质相变信息。在高能核物理与Ai的交叉领域，积累了多年工作经验，并在国际期刊发表了数十篇高质量相关论文，包括《Reviews of Modern Physics》、《Physical Review Letters》、《Nature Communications》、《Progress in Particle and Nuclear Physics》等。
请线下参加报告的外单位老师、同学注册时填写个人信息（中文姓名、身份证号码及手机号码），用于预约进入物理学院。
Prof. Huichao Song