UCSB 团队获 NSF 100 万美元,用 AI 挖掘复杂系统的高阶相互作用规律
ninamiolane · x · 2026-10-13
UC Santa Barbara 四位研究者(Nina Miolane、Haewon Jeong、Yao Qin、Sanjukta Krishnagopal)获得美国 NSF 100 万美元资助,开发能发现复杂系统科学规律的 AI 方法——这也是 UCSB 今年启动的 Real AI 计划获得的首笔联邦资助。
问题背景:当前多数 AI for Science 方法只建模成对关系(两个原子、两个脑区、两颗星),但真实系统充满高阶相互作用——分子群、行星群、人群能产生两两独立组合无法产生的涌现现象。团队希望让 AI 模型跨尺度、跨时间捕捉多组分之间的重叠交互。
Miolane 的动机:牛顿写下了力学方程,但神经科学等领域还缺乏已知的「美丽定律」,有许多科学规律等待被发现。Jeong 指出,LLM 很擅长回答问题,但让它们预测系统整体行为仍是重大空白。
所属事件:UCSB 团队获 NSF 100 万美元研发高阶相互作用 AI 方法(2 条相关)→
「研究」频道最新
- 杜克大学开源 RTNav：异步架构攻坚实时零样本物体导航 — rsasaki0109 · 2026-10-13
- RTNav 开源：面向实时零样本目标导航的模块化异步智能体 — rsasaki0109 · 2026-10-13
- AI 无网格 CFD 求解器实跑：奶牛模型冲到 2 马赫 — burhop · 2026-10-13
- 隐式课程假说论文获 COLM 杰出论文奖,背后靠 NSF 公共算力支持 — IanArawjo · 2026-10-13
- 计算生物学变天:『造更好的预测器』到 2027 年将不算科研项目 — jmschreiber91 · 2026-10-13
- 权重只是四分之一：详解 LLM 推理为何照样爆显存 — blaizedsouza · 2026-10-13