主题
知识嵌入科学机器学习
我们的贡献
- 将守恒律、控制方程、物理边界和领域知识嵌入机器学习模型,构建物理上合理、数学上准确且计算稳定的科学AI。陈云天团队正在形成“知识嵌入—数据学习—知识反馈”的闭环框架,用于解决复杂工业和能源系统中数据有限、物理约束强的问题;张东晓长期开展随机建模、数值计算和机器学习在能源与地下工程中的融合研究。
应用落点
- 流体力学
- 能源系统
- 地下工程
- 复杂工业过程
- 数字孪生
- 快速代理模型
相关人员
AI驱动的科学发现
我们的贡献
- 不仅让 AI 拟合已有数据,更利用符号学习、方程发现和数据驱动分析从实验与观测中提炼未知规律。陈云天团队已经围绕方程自动发现开展系统研究,包括从复杂数据中识别控制方程,并尝试利用更大规模的数学知识训练科学发现模型,从“AI for prediction”进一步走向“AI for discovery”。
- 同时,周裕团队的研究表明,AI 在气动优化过程中产生的大量数据本身还可以反向揭示新的标度律和流动控制机制,使工程优化与基础科学发现形成闭环。
应用落点
- 未知控制方程发现
- 复杂系统机理识别
- 实验数据解析
- 新材料规律发现
- 流体和能源科学
相关人员
工业智能与自主系统
我们的贡献
- 围绕感知—识别—预测—决策—控制完整链条,发展工业人工智能、模式识别、多模态感知、人智交互和自主控制技术。赵一帆的研究已经覆盖机器学习、数字孪生、计算机视觉与人机协同,并应用于飞机设计与运维、智能制造、自动驾驶及智慧建造;周裕则进一步把 AI 闭环控制引入真实复杂流动系统。
应用落点
- 智能制造
- 航空运维
- 自动驾驶
- 机器人
- 自主装备
- 智慧建造
- 复杂工业系统控制


