描述
包 装: 纸面精装护封是否套装: 否国际标准书号ISBN: 9787121483974
内容简介
人工智能驱动科学创新（AI for Science）带来的产业变革与每个人息息相关。人工智能作为新一轮科技革命和产业变革的核心驱动力，其潜力已初现倪端。然而，要想推动人类文明的整体跃进，人工智能必须与各交叉领域的科学研究紧密结合，学习科学原理、创造科学模型来解决实际问题，加快科技成果向现实生产力转化。本书聚焦于深度学习、强化学习、迁移学习、深度神经网络等人工智能技术与材料科学、生命科学、电子科学、能源科学、环境科学五大领域的交叉融合，通过深入浅出的语言和具体应用示例，对基本概念、技术原理和应用场景进行了全面的介绍。
目 录
目 录
第1章 人工智能驱动的科学创新 1
第1节 什么是AI for Science 2
1．生活中的AI与科学家眼中的AI 2
2．AI for Science的参与角色 4
3．AI for Science的应用领域 8
第2节 AI for Science的底层逻辑：科学创新的新范式 9
1．传统科学创新的四种范式 10
2．科学创新的新范式：人工智能驱动 11
第3节 为什么要发展AI for Science 14
1．科研视角：助力搭建平台科研模式 15
2．产业视角：用摩尔定律打破反摩尔定律困境 17
3．政策视角：国家发展战略的需求 19
第2章 AI for Science的技术支撑 21
第1节 理论：双科研模式的生长 22
1．牛顿模式与开普勒模式 22
2．双模式的发展瓶颈：维度灾难 24
3．人工智能助力解决科研瓶颈 26
第2节 数据：在科技发展中加速积累 28
1．科技的进步推动科研数据加速积累 28
2．人工智能的发展推动科研数据加速积累 32
第3节 算法：理论模型的实践和落地 37
1．机器学习算法促进维度灾难问题的解决 37
2．大语言模型带来全新的科研机遇 39
第4节 算力：基础设施的持续进步 41
1．算力基础设施的发展历程 42
2．AI for Science算力基础设施的建设 44
第3章 AI与材料科学 47
第1节 “AI+材料科学”的发展背景 48
1．AI对材料研发模式的革新 49
2．“AI+材料科学”的推进器：材料基因工程 51
第2节 “AI+材料科学”的落地应用 53
1．传统材料：金属、有机等材料的开发和应用 54
2．新型材料：纳米、超导等材料的发现 56
第3节 “AI+材料科学”的相关技术 58
1．高通量材料计算模拟 58
2．高通量材料制备与表征 60
3．材料服役行为高效评价 61
4．专用材料数据库 62
第4节 “AI+材料科学”的产业图谱 63
1．AI能力支持端 63
2．模拟计算软件 67
3．材料厂商 69
4．相关专用数据库 70
第5节 “AI+材料科学”的政策启示 72
1．面向“卡脖子”材料开展重点技术攻关 73
2．将人工智能技术作为材料基因组工程建设的重要内容 74
第4章 AI与生命科学 77
第1节 “AI+生命科学”的发展背景 78
1．AI催生生命科学研发新模式 78
2．“AI+生命科学”的发展脉络 82
第2节 “AI+生命科学”的落地应用 87
1．药物研发领域的AI应用 87
2．基因测序和编辑领域的AI应用 90
3．合成生物学的AI应用 93
第3节 “AI+生命科学”的相关技术 96
1．药物研发领域的相关技术 96
2．基因测序和编辑领域的相关技术 98
3．合成生物学的相关技术 101
第4节 “AI+生命科学”的产业图谱 104
1．AI与制药 104
2．AI与基因测序和编辑 107
3．AI与合成生物学 109
第5节 “AI+生命科学”的政策启示 111
1．促进以生命科学为中心的跨界合作与人才流动 111
2．加快建设生物学数据库 112
3．强化生物安全与生物伦理监管 113
第5章 AI与电子科学 115
第1节 “AI+电子科学”的发展背景 116
1．从摩尔时代到后摩尔时代 116
2．深度摩尔定律与超摩尔定律 119
第2节 “AI+电子科学”的落地应用 121
1．AI赋能芯片设计 121
2．AI赋能芯片制造 125
3．AI赋能芯片检测 126
4．AI赋能芯片材料研发 127
第3节 “AI+电子科学”的相关技术 129
1．芯片设计中的AI技术 129
2．芯片制造中的AI技术 130
3．芯片封测中的AI技术 132
4．芯片材料研发中的AI技术 132
第4节 “AI+电子科学”的产业图谱 134
1．材料与设备端 134
2．芯片设计端 136
3．芯片制造端 140
第5节 “AI+电子科学”的政策启示 144
1．加快半导体产业的国产产品替代 144
2．政策引导进行产业链跨领域协作 146
3．加快AI芯片制造落地 146
第6章 AI与能源科学 149
第1节 “AI+能源科学”的发展背景 150
1．人类利用能源的历程 150
2．AI对能源科学的重要意义 152
第2节 “AI+能源科学”的落地应用 155
1．AI与化石能源科学研究 155
2．AI与可再生能源科学研究 159
3．AI与能源转型 170
第3节 “AI+能源科学”的相关技术 176
第4节 “AI+能源科学”的产业图谱 178
1．资源的勘查与提取 178
2．能源的加工/转化与储存 179
3．能源的终端输送与应用 180
第5节 “AI+能源科学”的政策启示 182
1．确保“AI+能源系统”的可持续性、安全性和可靠性 183
2．推动能源数据的开放和共享 184
3．提升AI系统在能源行业中的互操作性与标准化 184
第7章 AI与环境科学 187
第1节 “AI+环境科学”的发展背景 188
1．AI技术为环境科学引入新的价值和机遇 188
2．AI技术在环境科学领域的发展脉络 190
第2节 “AI+环境科学”的落地应用 192
1．智能环境监测 192
2．智能污染治理 194
3．智能碳减排 196
第3节 “AI+环境科学”的相关技术 197
1．环境地理与GIS技术 197
2．环境数据获取与遥感技术 199
第4节 “AI+环境科学”的产业地图 200
1．研发与咨询 200
2．应用与推广 203
第5节 “AI+环境科学”的政策启示 205
1．AI技术辅助制定重大环境污染问题应急响应方案 206
2．开放公共环境数据资源 207
第8章 AI for Science的危与机 209
第1节 AI for Science的机遇 210
1．复用AI生产力的红利 210
2．大模型的巨大潜力 212
3．跨学科交融与开源生态的完善 214
第2节 AI for Science的挑战 215
1．科学结果的可解释性 215
2．科研协作的制度挑战 218
3．科研成果的落地转化 220
第3节 生态展望：“平台科研”模式的四梁N柱 222
1．砖瓦：科学智能的建设基础 222
2．四梁：AI驱动的平台系统 224
3．N柱：国家战略的支撑应用 225
第1章 人工智能驱动的科学创新 1
第1节 什么是AI for Science 2
1．生活中的AI与科学家眼中的AI 2
2．AI for Science的参与角色 4
3．AI for Science的应用领域 8
第2节 AI for Science的底层逻辑：科学创新的新范式 9
1．传统科学创新的四种范式 10
2．科学创新的新范式：人工智能驱动 11
第3节 为什么要发展AI for Science 14
1．科研视角：助力搭建平台科研模式 15
2．产业视角：用摩尔定律打破反摩尔定律困境 17
3．政策视角：国家发展战略的需求 19
第2章 AI for Science的技术支撑 21
第1节 理论：双科研模式的生长 22
1．牛顿模式与开普勒模式 22
2．双模式的发展瓶颈：维度灾难 24
3．人工智能助力解决科研瓶颈 26
第2节 数据：在科技发展中加速积累 28
1．科技的进步推动科研数据加速积累 28
2．人工智能的发展推动科研数据加速积累 32
第3节 算法：理论模型的实践和落地 37
1．机器学习算法促进维度灾难问题的解决 37
2．大语言模型带来全新的科研机遇 39
第4节 算力：基础设施的持续进步 41
1．算力基础设施的发展历程 42
2．AI for Science算力基础设施的建设 44
第3章 AI与材料科学 47
第1节 “AI+材料科学”的发展背景 48
1．AI对材料研发模式的革新 49
2．“AI+材料科学”的推进器：材料基因工程 51
第2节 “AI+材料科学”的落地应用 53
1．传统材料：金属、有机等材料的开发和应用 54
2．新型材料：纳米、超导等材料的发现 56
第3节 “AI+材料科学”的相关技术 58
1．高通量材料计算模拟 58
2．高通量材料制备与表征 60
3．材料服役行为高效评价 61
4．专用材料数据库 62
第4节 “AI+材料科学”的产业图谱 63
1．AI能力支持端 63
2．模拟计算软件 67
3．材料厂商 69
4．相关专用数据库 70
第5节 “AI+材料科学”的政策启示 72
1．面向“卡脖子”材料开展重点技术攻关 73
2．将人工智能技术作为材料基因组工程建设的重要内容 74
第4章 AI与生命科学 77
第1节 “AI+生命科学”的发展背景 78
1．AI催生生命科学研发新模式 78
2．“AI+生命科学”的发展脉络 82
第2节 “AI+生命科学”的落地应用 87
1．药物研发领域的AI应用 87
2．基因测序和编辑领域的AI应用 90
3．合成生物学的AI应用 93
第3节 “AI+生命科学”的相关技术 96
1．药物研发领域的相关技术 96
2．基因测序和编辑领域的相关技术 98
3．合成生物学的相关技术 101
第4节 “AI+生命科学”的产业图谱 104
1．AI与制药 104
2．AI与基因测序和编辑 107
3．AI与合成生物学 109
第5节 “AI+生命科学”的政策启示 111
1．促进以生命科学为中心的跨界合作与人才流动 111
2．加快建设生物学数据库 112
3．强化生物安全与生物伦理监管 113
第5章 AI与电子科学 115
第1节 “AI+电子科学”的发展背景 116
1．从摩尔时代到后摩尔时代 116
2．深度摩尔定律与超摩尔定律 119
第2节 “AI+电子科学”的落地应用 121
1．AI赋能芯片设计 121
2．AI赋能芯片制造 125
3．AI赋能芯片检测 126
4．AI赋能芯片材料研发 127
第3节 “AI+电子科学”的相关技术 129
1．芯片设计中的AI技术 129
2．芯片制造中的AI技术 130
3．芯片封测中的AI技术 132
4．芯片材料研发中的AI技术 132
第4节 “AI+电子科学”的产业图谱 134
1．材料与设备端 134
2．芯片设计端 136
3．芯片制造端 140
第5节 “AI+电子科学”的政策启示 144
1．加快半导体产业的国产产品替代 144
2．政策引导进行产业链跨领域协作 146
3．加快AI芯片制造落地 146
第6章 AI与能源科学 149
第1节 “AI+能源科学”的发展背景 150
1．人类利用能源的历程 150
2．AI对能源科学的重要意义 152
第2节 “AI+能源科学”的落地应用 155
1．AI与化石能源科学研究 155
2．AI与可再生能源科学研究 159
3．AI与能源转型 170
第3节 “AI+能源科学”的相关技术 176
第4节 “AI+能源科学”的产业图谱 178
1．资源的勘查与提取 178
2．能源的加工/转化与储存 179
3．能源的终端输送与应用 180
第5节 “AI+能源科学”的政策启示 182
1．确保“AI+能源系统”的可持续性、安全性和可靠性 183
2．推动能源数据的开放和共享 184
3．提升AI系统在能源行业中的互操作性与标准化 184
第7章 AI与环境科学 187
第1节 “AI+环境科学”的发展背景 188
1．AI技术为环境科学引入新的价值和机遇 188
2．AI技术在环境科学领域的发展脉络 190
第2节 “AI+环境科学”的落地应用 192
1．智能环境监测 192
2．智能污染治理 194
3．智能碳减排 196
第3节 “AI+环境科学”的相关技术 197
1．环境地理与GIS技术 197
2．环境数据获取与遥感技术 199
第4节 “AI+环境科学”的产业地图 200
1．研发与咨询 200
2．应用与推广 203
第5节 “AI+环境科学”的政策启示 205
1．AI技术辅助制定重大环境污染问题应急响应方案 206
2．开放公共环境数据资源 207
第8章 AI for Science的危与机 209
第1节 AI for Science的机遇 210
1．复用AI生产力的红利 210
2．大模型的巨大潜力 212
3．跨学科交融与开源生态的完善 214
第2节 AI for Science的挑战 215
1．科学结果的可解释性 215
2．科研协作的制度挑战 218
3．科研成果的落地转化 220
第3节 生态展望：“平台科研”模式的四梁N柱 222
1．砖瓦：科学智能的建设基础 222
2．四梁：AI驱动的平台系统 224
3．N柱：国家战略的支撑应用 225
评论
还没有评论。