CMU 秋季新课 10-749:AI for Scientific Computing 覆盖 PDE 求解与气候预测

risteski_a · x · 2026-09-04

CMU 教授 Andrej Risteski 本学期开设新课程 10-749「AI for Scientific Computing」，围绕学习型代理模型（learned surrogates）在科学计算中的应用，涵盖 PDE 求解、预测、采样及选定的下游应用。课程大纲包括：物理信息神经网络（PINNs）、神经算子等 PDE 代理模型、计算流体力学中的应用、用于湍流与气候预测的扩散模型、计算化学中的学习采样器与稀有事件采样。课程强调数学基础、工程实践、benchmarking 与真实部署障碍，目标是让学生能判断 AI 方法何时改进科学计算、何时不能。