通知公告

通知公告

您的位置:首頁  通知公告

基金委關於發布可解釋、可通用的下一代人工智能方法重大研究計劃2022年度項目指南的通告
發布時間:2022-05-19

各有關單位、各位老師:

國家自然科學基金委員會現發布可解釋、可通用的下一代人工智能方法重大研究計劃2022年度項目指南。請各有關單位仔細研讀指南和形式審查等條件要求,積極申報。現將有關事宜通知如下:

一、科學目標

  本重大研究計劃麵向以深度學習為代表的人工智能方法魯棒性差、可解釋性差、對數據的強依賴等基礎科學問題,挖掘機器學習的基本原理,發展可解釋、可通用的下一代人工智能方法,並推動人工智能方法在科學領域的創新應用。

二、核心科學問題

  本重大研究計劃針對可解釋、可通用的下一代人工智能方法的基礎科學問題,圍繞以下三個核心科學問題開展研究:

(一)深度學習的基本原理

深入挖掘深度學習模型對超參數的依賴關係,理解深度學習背後的工作原理,建立深度學習方法的逼近理論、泛化誤差分析理論和優化算法的收斂性理論。

  (二)可解釋、可通用的下一代人工智能方法

  通過規則與學習結合的方式,建立高精度、可解釋、可通用且不依賴大量標注數據的人工智能新方法。開發下一代人工智能方法需要的數據庫和模型訓練平台,完善下一代人工智能方法驅動的基礎設施。

  (三)麵向科學領域的下一代人工智能方法的應用

  發展新物理模型和算法,建設開源科學數據庫、知識庫、物理模型庫和算法庫,推動人工智能新方法在解決科學領域複雜問題上的示範性應用。

三、2022年度資助研究方向

  (一)培育項目

圍繞上述科學問題,以總體科學目標為牽引,2022年度對於探索性強、選題新穎的申請項目,將以培育項目方式予以資助。研究方向如下(申報項目須覆蓋以下單一方向中列出的部分或全部內容):

1. 深度學習的表示理論和泛化理論

  研究多層全聯接網絡、卷積網絡(以及其它帶對稱性的網絡)、圖神經網絡、transformer網絡、循環神經網絡等模型的逼近性質,發展相應的高維函數空間理論和泛化誤差分析理論,並在實際數據集上檢驗以上理論。

2. 深度學習的訓練動力學

  研究深度學習的損失景觀,包括但不限於:臨界點的分布及其嵌入結構、極小點的連通性等;深度學習中的非凸優化問題、優化算法的正則化理論和收斂行為;神經網絡的過參數化和訓練過程對於超參的依賴性問題、基於極大值原理的訓練方法、訓練時間複雜度和訓練困難等問題;循環神經網絡記憶災難問題、編碼-解碼方法與Mori-Zwanzig方法的關聯特性等。

3. 微分方程與機器學習方法

  機器學習算法在微分方程正反問題求解方麵的應用,需突破傳統數值算法的瓶頸,實現正反問題的高效求解;高維微分方程的正則性理論與算法;微分方程解算子的逼近方法(如通過機器學習方法獲得動理學方程、彈性力學方程、流體力學方程、Maxwell方程以及其它常用微分方程的解算子);微分方程經典算法和基於機器學習方法的融合;微分方程方法在機器學習中的應用(如用微分方程設計新的機器學習模型,設計和分析網絡結構等)。

4. 數據驅動與知識驅動融合的人工智能

  建立數據驅動的機器學習與知識驅動的符號計算相融合的新型人工智能理論和方法,突破神經網絡模型不可解釋的瓶頸;研究知識表示與推理框架、大規模隱式表達的知識獲取、多源異構知識融合、知識融入的預訓練模型、知識數據雙驅動的決策推理等;探索不同場景中的應用。

5. 安全可靠的下一代人工智能

  麵向數據、模型和算法,構建安全可靠的人工智能方法。研究分布式去中心化學習、聯邦學習、密碼學等技術,構建隱私保護的數據應用新範式;研究深度學習模型在對抗樣本、數據投毒、後門攻擊等情況下的魯棒性和安全性,發展對抗魯棒和安全的新模型與學習方法;研究存在樣本噪聲、分布外數據等場景下的可靠機器學習方法、研究因果驅動的魯棒決策和可靠推理;探索不同場景中的應用。

6. 人工智能驅動的下一代科學計算理論及應用

  將機器學習與電子多體問題相結合,建立薛定諤方程數值解、第一性原理計算、增強采樣、自由能計算、粗粒化分子動力學等的機器學習方法,探索機器學習在物質體係研究中的應用。

  針對典型的物理、化學、材料、生物、燃燒等領域的多尺度問題和動力學問題,通過融合物理模型與機器學習方法,探索複雜物理、化學、材料、生物等體係變量隱含物理關係的挖掘方法,建立構效關係的數學表達,構建具有通用性的跨尺度人工智能輔助計算理論和方法,解決典型複雜多尺度計算問題。

  (二)重點支持項目

  圍繞核心科學問題,以總體科學目標為牽引,對於前期研究成果積累較好、對總體目標在理論和關鍵技術上有較大貢獻的申請項目,將以重點支持項目方式予以資助。建議研究內容包括,但不限於以下方向:

1. 麵向複雜數據的、可通用的人工智能算法框架

  針對多尺度複雜數據處理問題,研究多尺度表示的跨模態人工智能框架,適用於視頻、語音、自然語言、點雲、地理數據等不同模態的數據,實現小樣本(相同精度下降低樣本需求一萬倍以上)、可解釋、跨模態(不少於3個模態)和感知決策一體化方法。

2. 新一代非結構化數據管理方法

  研究海量複雜非結構化數據與人工智能應用一體化係統的構建方法,包括基礎數據存儲、用戶自定義領域數據模型在線構建、自主研發非結構化數據查詢語言與優化理論、跨域和跨庫非結構化數據的查詢融合理論等,支撐下一代人工智能方法在跨領域、多維度(關係、向量、圖等)、多粒度數據(不少於3種粒度)的應用。

3. 深度學習隱私保護計算新型體係框架與模型

  針對隱私性需求,研究可證明安全、可實用的人工智能隱私保護方法新框架,包括但不限於:適用於不同場景的多方隱私計算框架,多源異質數據的高效協同建模方法,基於全同態計算的、低內存占用的隱私保護深度學習方法,研究符合《中華人民共和國個人信息保護法》中匿名化要求的、模型精度跌幅可控(精度下降不大於1%)的數據可信發布技術等。

4. 麵向功能分析的智能化幾何造型方法

  設計能保持幾何約束和物理結構、具有可解釋性和收斂階的智能建模方法,構建可解釋的、麵向功能分析的智能方法以及科學工程計算中幾何模型設計與功能分析一體化方法,突破目前工業軟件中幾何設計與物理性能分析割裂的現狀。

5. 人工智能驅動的下一代微觀科學計算平台建設與應用

  發展基於人工智能的高精度、高效率的第一性原理方法;麵向物理、化學、材料、生物等領域的實際複雜問題,建立多尺度模型,實現高精度、大尺度和高效率的分子模擬;建立人工智能與科學計算雙驅動的“軟-硬件協同優化”方法和高性能計算專用平台。

6. 人工智能框架下的宏觀複雜反應流動多尺度建模與應用

  麵向空天發動機等重大需求場景,針對燃燒模型精度低、數值模擬計算效率低等問題,研究從原子尺度到宏觀尺度的深度學習算法,發展兼容傳統數值模擬和麵向超大規模並行的新一代計算方法;發展航空發動機燃燒不穩定性等關鍵問題的識別、預測和分析的機器學習方法;針對高雷諾數非穩態超聲速燃燒的湍流問題,研究湍流與化學反應的時空多尺度相互作用機理,發展機器學習驅動的高精度湍流模擬模型與計算方法。

四、2022年度資助計劃

2022年度擬資助培育項目2025項左右,資助直接費用約為80萬元/項,資助期限為3年,培育項目申請書中研究期限應填寫“202311日— 20251231日”;擬資助重點支持項目68項左右,資助直接費用約為300萬元/項,資助期限為4年,重點支持項目申請書中研究期限應填寫“202311日— 20261231日”。

五、學校申報截止日期和材料報送

申請人按照項目指南要求填報申請書及附件材料。待學院審核通過後,請於202262016時前在基金委係統提交,同時將科研審核係統的預算審核表形式審查表的簽字掃描版發至郵箱:zhaorui@hfut.edu.cn (郵件主題:可解釋、可通用的下一代人工智能方法重大研究計劃項目申報+姓名)紙質申報書、預算審核表和形式審查表各1份簽章後於62116時前交至科技服務大廳

六、其他事項

1、具體要求詳見基金委通知:https://www.nsfc.gov.cn/publish/portal0/tab434/info85521.htm

2、後續工作安排如有調整將另行通知,請及時關注國家自然科學基金委和學校網站。

科研院BOB体育官网登陆 建設辦公室(自然科學項目)聯係電話:62901951(吳老師)、62901115(趙老師)

科研院BOB体育官网登陆 建設辦公室

2022519


bob鲍勃体育 版權所有
Copyright©2019 news.hfut.edu.cn All rights reserved.
Baidu
map