泛研网

公众版 查看说明
信息服务系统2024版

国家自然科学基金关于发布可解释、可通用的下一代人工智能方法重大研究计划2024年度项目指南的通告

发布机构：（略）

发布日期： 附件：0个

资助来源：（略）

重点摘要

关键词
国科金发计〔202（略）自然科学基金委员会（略）下一代人工智能方法（略）度项目指南，请申请（略）所述要求和注意事项（略）基金委员会2024（略）释、可通用的下一代（略）划2024年度项目（略）用的下一代人工智能（略）工智能发展国家重大（略）基础科学问题为核心（略）系，促进我国人工智（略）支撑我国在新一轮国（略）。  一、科学目标（略）以深度学习为代表的（略）可解释性差、对数据（略）题，挖掘机器学习的（略）可通用的下一代人工（略）能方法在科学领域的（略）科学问题  本重大（略）通用的下一代人工智（略）围绕以下三个核心科（略）一）深度学习的基本（略）学习模型对超参数的（略）背后的工作原理，建（略）论、泛化误差分析理（略）论。  （二）可解（略）智能方法。  通过（略）建立高精度、可解释（略）注数据的人工智能新（略）能方法需要的数据库（略）一代人工智能方法驱（略））面向科学领域的下（略）。  发展新物理模（略）数据库、知识库、物（略）人工智能新方法在解（略）示范性应用。  三（略）方向  （一）培育（略）问题，以总体科学目（略）、选题新颖、前期研（略）将以培育项目的方式（略）：  1.神经网络（略）自监督学习方法。 （略）流场等数据，发展更（略）预训练或自监督学习（略）进行验证。  2.（略）化理论。  研究卷（略）对称性的网络）、图（略）、低精度神经网络、（略）模型等模型的泛化误（略）定性理论，并在实际（略）无监督表示学习、预（略）理论基础，发展新的（略）学习模型和算法设计（略）算法的理论基础。 （略）的结构和训练算法的（略）界点的分布及其嵌入（略）稳定性边缘（edg（略）ity）和损失尖峰（略））现象、算法的隐式（略）；训练过程对于超参（略）记忆灾难、训练时间（略）卷积网络、Tran（略）散模型、混合专家模（略）、时间复杂度更低的（略）型的基础问题。  （略）模型的基础问题，包（略）理论和泛化理论、大（略）率(scaling（略）；研究新型 (st（略）tate mode（略）否有记忆灾难(cu（略）ry)的困难；理解（略）模型的表达和泛化能（略）Context l（略）ain of Th（略）性，以及模型的外推（略） generali（略）5.微分方程与机器（略）方程正反问题及解算（略）法；基于生成式扩散（略）模拟与补全框架；基（略）学习模型和网络结构（略）神经网络的训练过程（略）新方法。  利用随（略）和分析、粒子方程等（略）网络过度光滑、过度（略）图等问题；针对药物（略）体网络协同控制等重（略）可扩展的、具有可解（略）  7.人工智能的（略）流机器学习问题，发（略）测方法；发展面向对（略）等分析、攻击、防御（略）习框架对模型干扰、（略）可控精度的隐私计算（略）大模型）的公平性、（略）。  8.科学计算（略） 针对电子多体问题（略）算、第一性原理计算（略）子动力学等的人工智（略）法在电池、电催化、（略）的应用。  针对典（略）生物、燃烧等领域的（略），发展物理模型与人（略）复杂体系变量隐含物（略）关系的数学表达，建（略）工智能辅助计算理论（略）尺度计算问题。  （略）学习。  针对数据（略），发展机器学习方法（略）大量高质量数据；针（略）ence数据侧，研（略）（如对蛋白质和药物（略）；针对大模型数据侧（略）出发，建立科学和系（略）设计高效的数据选择（略）比方式，并探索大模（略）法（如自动数据标注（略）计算的机器学习算法（略）习方法如何映射到一（略）法利用量子特性实现（略）学习相对于经典机器（略）泛化能力上的优势，（略）释性，建立量子机器（略）应用场景。  11（略）解释、可通用的下一（略）for Scien（略）重点支持在算法和模（略）（二）重点支持项目（略），以总体科学目标为（略）的方式资助前期研究（略）学目标在理论和关键（略）具备产学研用基础的（略）：  1.下一代人（略）合逻辑推理、知识和（略）立具有可解释和可通（略）；发展适用于连续、（略）结构化数据（如分子（略）构，有效捕捉空间、（略）下文信息，提高对数（略）据集上进行验证。 （略）工智能模型与有效训（略）经元的物理形态和生（略）物神经元与人工神经（略）射关系，使人工神经（略）非线性整合与计算功（略）神经元与人工神经元（略）算法框架。结合大脑（略）区异质性和宏观梯度（略）元特性约束的人工神（略）决策等高级认知功能（略）经元与人工神经元之（略）的树突计算功能，与（略）、性能和参数可解释（略）智能体协作学习理论（略）体协作时分布式数据（略）化性能缺乏保障、适（略），研究高效的多智能（略）具体包括：（1）研（略）系统泛化性能的算法（略））针对动态变化的环（略），研究多智能体系统（略）保智能体能够有效学（略）多智能体系统中处理（略）本、图像和传感器数（略）效果和提升决策质量（略）实时环境中的协作学（略）和不确定环境下的应（略））探究智能体的个性（略）优势的同时有效进行（略） 4.多模态融合及（略）多模态数据融合及生（略）视角、维度、密度、（略）而造成的融合难题；（略）态对齐问题，保证模（略）合过程中信息损失；（略）提升在模态间非完美（略）棒性；研究用易采集（略）难采集、难标注模态（略）；研究大规模多任务（略）题，实现少样本/零（略）样性数据生成的方法（略）型、统一概率建模方（略）数据类型的概率建模（略）基础模型的生成效率（略）少于3个模态的表示（略）模型参数不少于7B（略）驾驶或多模态对话等（略）于训练多模态大模型（略）数据闭环，采集数量（略）量级的非完美标注或（略）代优化。  5.模（略）练方法。  探索系（略）方法，以达到数据和（略）在模型训练过程中o（略）取下一步所采用的数（略）型有机融合的机器学（略）训练普遍采用的先处（略）两步走模式的有效方（略）自监督学习方法。 （略）序列又是图像，但又（略）图像的特点，充分利（略），发展一套新的自监（略）间序列的predi（略）en 的框架和针对（略）在实际视频数据集上（略）下一代人工智能的通（略）  大规模高质量科（略）科学研究新范式的必（略）科技文献等的知识对（略）主动学习机制与自动（略）对象的智能编码与机（略）持跨领域知识对象的（略）3个国际主流科技资（略）外部数据资源智能化（略）知识碎片对齐与知识（略）科领域数据自动生产（略）际规范或经同行评议（略）领域的高质量科学数（略）AI for Sc（略）建设与示范应用。 （略）cience的基础（略）理模型的人工智能算（略）验表征算法；自动化（略）科学文献和科学数据（略）AI for Sc（略）包括但不限于：复杂（略）构变化、反应网络高（略）和碳中和中的核心催（略）化学表征方法；生物（略）的成像技术；有机合（略）方案；定向进化蛋白（略）和实验相结合并形成（略）目遴选的基本原则 （略）学问题，鼓励基础性（略）先支持原创性研究。（略）发展下一代人工智能（略）新方法在科学领域应（略））重点支持项目应具（略）积累，对总体科学目（略） 五、2024年度（略）项目约25项，直接（略）万元/项，资助期限（略）中研究期限应填写“（略）027年12月31（略）目约6项，直接费用（略）/项，资助期限为4（略）中研究期限应填写“（略）028年12月31（略）及注意事项  （一（略）研究计划项目申请人（略）1. 具有承担基础（略）. 具有高级专业技（略）站博士后研究人员、（略）无工作单位或者所在（略）不得作为申请人进行（略）请规定。  执行《（略）学基金项目指南》“（略）定的相关要求。  （略） 申请人和依托单位（略）目指南、《2024（略）目指南》和《关于2（略）基金项目申请与结题（略）关要求。  1. （略）无纸化申请。申请书（略）月15日－4月22（略）请人应当按照科学基（略）究计划项目的填报说（略）写和提交电子申请书（略）本重大研究计划旨在（略）对多学科相关研究进（略）势整合，成为一个项（略）重大研究计划拟解决（略）南公布的拟资助研究（略）、科学目标、研究内（略）究经费等。  （3（略）择“重大研究计划”（略）目”或“重点支持项（略）解释、可通用的下一（略）代码选择T01，根（略）择不超过5个申请代（略）项目的合作研究单位（略））申请人在申请书起（略）合本项目指南中的资（略）本重大研究计划核心（略）究计划科学目标的贡（略）承担与本重大研究计（略）目，应当在申请书正（略）件”部分论述申请项（略）与联系。  2. （略）成依托单位承诺、组（略）等工作。在2024（略）过信息系统逐项确认（略）附件材料，并于4月（略）本单位项目申请清单（略）项。  （1）为实（略）目标和多学科集成，（略）当承诺遵守相关数据（略），项目执行过程中应（略）他项目之间的相互支（略）强项目的学术交流，（略）科交叉与集成，本重（略）次资助项目的年度学（略）组织相关领域的学术（略）人有义务参加本重大（略）理工作组所组织的上（略）四）咨询方式。  （略）  联系电话：01（略）
引用：（略）