国科金发计〔2024〕113号特殊视频
国度当然科学基金委员会现发布可评释、可通用的下一代东谈主工智能方法要紧研究规划打算2024年度技俩指南，请苦求东谈主及依托单元按技俩指南所述要乞降贯注事项苦求。
国度当然科学基金委员会
2024年3月14日
可评释、可通用的下一代东谈主工智能方法要紧研究规划打算
2024年度技俩指南
可评释、可通用的下一代东谈主工智能方法要紧研究规划打算面向东谈主工智能发展国度要紧策略需求，以东谈主工智能的基础科学问题为中枢，发展东谈主工智能新方法体系，促进我国东谈主工智能基础研究和东谈主才培养，相沿我国在新一轮海外科技竞争中的主导地位。
一、科学目的
本要紧研究规划打算面向以深度学习为代表的东谈主工智能方法鲁棒性差、可评释性差、对数据的依赖性强等基础科学问题，挖掘机器学习的基应许趣，发展可评释、可通用的下一代东谈主工智能方法，并鼓动东谈主工智能方法在科学领域的立异应用。
二、中枢科学问题
本要紧研究规划打算针对可评释、可通用的下一代东谈主工智能方法的基础科学问题，围绕以下三个中枢科学问题开展研究。
（一）深度学习的基应许趣。
潜入挖掘深度学习模子对超参数的依赖关系，贯通深度学习背后的责任旨趣，树立深度学习方法的贴近表面、泛化瑕疵分析表面和优化算法的拘谨性表面。
（二）可评释、可通用的下一代东谈主工智能方法。
通过法则与学习团结的姿色，树立高精度、可评释、可通用且不依赖大都标注数据的东谈主工智能新方法。招引下一代东谈主工智能方法需要的数据库和模子张望平台，完善下一代东谈主工智能方法运转的基础法子。
（三）面向科学领域的下一代东谈主工智能方法的应用。
发展新物理模子和算法，建设开源科学数据库、学问库、物理模子库和算法库，鼓动东谈主工智能新方法在搞定科学领域复杂问题上的示范性应用。
三、2024年度资助研究主见
（一）培育技俩。
围绕上述科学问题，以总体科学目的为牵引，对于探索性强、选题新颖、前期研究基础较好的苦求技俩，将以培育技俩的姿色给予资助，研究主见如下：
1.神经汇集的新架构和新的预张望或自监督学习方法。
针对图像、视频、图、流场等数据，发展更高效的神经汇集新架构，预张望或自监督学习方法，并在真确数据集上进行考据。
2.深度学习的暗示表面和泛化表面。
研究卷积神经汇集（以过头它带对称性的汇集）、图神经汇集、轮回神经汇集、低精度神经汇集、动态神经汇集、生成扩散模子等模子的泛化瑕疵分析表面、鲁棒性和巩固性表面，并在本色数据集上进行考据；研究无监督暗示学习、预张望-微调范式等方法的表面基础，发展新的泛化分析方法，指导深度学习模子和算法设想。
3.深度学习张望算法的表面基础。
研究神经汇集吃亏景不雅的结构和张望算法的性情，包括但不限于：临界点的分散过头镶嵌结构、极小点的连通性，巩固性角落（edge of stability）和吃亏尖峰（loss spike）局势、算法的隐式正则化、巩固性和拘谨性；张望经由对于超参的依赖性问题、神经汇集缅念念不幸、张望时期复杂度分析等问题；发展卷积汇集、Transformer汇集、扩散模子、夹杂各人模子等模子的拘谨速率更快、时期复杂度更低的张望方法。
4.大模子的基础问题特殊视频。
研究多任务、多数据、大模子的基础问题，包括但不限于大模子的暗示表面和泛化表面、大模子张望的巩固性、标度率(scaling law)、骄贵等局势；研究新式 (structured) state model的基础性质，包括它是否有缅念念不幸(curse of memory)的艰苦；贯通Transformer模子的抒发和泛化才气、高下文体习（In-Context learning），Chain of Thoughts推理的灵验性，以及模子的外推才气（举例length generalization）等。
5.微分方程与机器学习。
研究求解微分方程正反问题及解算子贴近的概率机器学习方法；基于生成式扩散概率模子的物理场生成、模拟与补全框架；基于微分方程设想新的机器学习模子和汇鸠合构，加快模子的推理、分析神经汇集的张望经由。
6.图神经汇集的新方法。
垄断立地游走、多项式类似、合资分析、粒子方程等数学表面搞定深度图神经汇集过度光滑、过度挤压、适用异配图与动态图等问题；针对药物设想、保举系统、多智能体汇集协同物化等迫切应用场景设想灵验的、可扩张的、具有可评释性的图暗示学习方法。
7.东谈主工智能的安全性问题。
针对主流机器学习问题，发展秘密保护协同张望和斟酌方法；发展面向叛逆样本、数据投毒、后门均分析、报复、驻扎和竖立方法；研究机器学习框架对模子侵略、破裂和物化的方法；发展可控精度的秘密算计方法，数据和模子（包括大模子）的自制性、可靠性的评估与评级方法。
8.科学算计领域的东谈主工智能方法。
美国艳星针对电子多体问题，树立薛定谔方程数值算计、第一性旨趣算计、摆脱能算计、粗粒化分子能源学等的东谈主工智能方法，探索东谈主工智能方法在电板、电催化、合金、光伏等体系研究中的应用。
针对典型的物理、化学、材料、生物、烽火等领域的跨范例问题和能源学问题，发展物理模子与东谈主工智能的和会方法，探索复杂体系变量隐含物理关系的挖掘方法和构效关系的数学抒发，树立具有通用性的跨范例东谈主工智能缓助算计表面和方法，搞定典型复杂多范例算计问题。
9.以数据为中心的机器学习。
针对数据质料、数目和效用等身分，发展机器学习方法为卑鄙机器学习模子提供大都高质料数据；针对AI for Science数据侧，研究和设想高效的科学数据（如对卵白质和药物构图）构建和预处理姿色；针对大模子数据侧，从数据获取本钱和效用启程，树立科学和系统的数据质料评估策略，设想高效的数据采纳方法，构建灵验的数据配比姿色，并探索大模子缓助数据质料种植的方法（如自动数据标注）。
10.基于量子算计的机器学习算法。
研究不同类型的学习方法如何映射到一般的量子经由，提倡新算法垄断量子性情竣事高效学习；研究量子机器学习相对于经典机器学习方法在抒发才气以及泛化才气上的上风，探索量子机器学习的可评释性，树立量子机器学习在量子物理和化学的应用场景。
11.通达型技俩。
与可评释、可通用的下一代东谈主工智能方法和AI for Science 领域联系的方法，要点支捏在算法和模子方面的立异课题。
（二）要点支捏技俩。
围绕中枢科学问题，以总体科学目的为牵引，拟以要点支捏技俩的姿色资助前期研究恶果累积较好、对总体科学目的在表面和关节本事上能发达鼓动作用、具备产学研用基础的苦求技俩，研究主见如下：
1.下一代东谈主工智能方法。
发展团结逻辑推理、学问和法则的东谈主工智能方法，树立具有可评释和可通用性的东谈主工智能表面框架；发展适用于一语气、密集数据（如图像）和非结构化数据（如分子结构）的新式神经汇集架构，灵验捕捉空间、结构、语义等多维度的高下文信息，提高对数据的建模才气。在真确数据集上进行考据。
2.新一代脑启发的东谈主工智能模子与灵验张望算法。
针对大脑神经元的物理花式和生物物理的各样性，树立生物神经元与东谈主工神经元之间的通俗且灵验的映射关系，使东谈主工神经元具有生物神经元的树突非线性整合与算计功能，为树立其它类型生物神经元与东谈主工神经元的映射提供吞并的表面和算法框架。团结大脑神经元汇荟萃合结构、脑区异质性和宏不雅梯度等性情，设想带生物神经元性情管理的东谈主工神经汇集模子，竣事缅念念、决策等高档剖析功能。竣事不少于3种生物神经元与东谈主工神经元之间的灵验映射和3种迫切的树突算计功能，与现存映射比较，竣事精度、性能和参数可评释性上的种植。
3.多智能体配合学习表面与方法。
针对多智能体配合时期散式数据处理所靠近的挑战，如泛化性能枯竭保险、安妥性和可扩张性弱等难题，研究高效的多智能体配合学习表面与方法，具体包括：（1）研究种植多智能体配合学习系统泛化性能的算法，分析泛化瑕疵界；（2）针对动态变化的环境和不停扩张的汇集范畴，研究多智能体系统的安妥性和可扩张性，确保智能体大略灵验学习并高效配合；（3）在多智能体系统中处理和和会多模态数据（如文本、图像和传感器数据）的方法，以增强学习效果和种植决策质料；（4）研究在及时或近及时环境中的配合学习和决策策略，关爱动态和不信服环境下的济急反应和关节决策；（5）探究智能体的个性化学习策略，在保捏个体上风的同期灵验进行集体学习和学问分享。
4.多模态和会及生成基础模子。
研究多模态数据和会及生成的基础模子，搞定数据视角、维度、密度、蚁集和标注难易进程不同而变成的和会难题；研究模态和会经由中的模态对皆问题，保证模态斟酌的一致性并减少和会经由中信息吃亏；研究轻量级的和会模子，种植在模态间非圆善对皆景况下和会模子的鲁棒性；研究用易蚁集、易标注模态数据来率领难蚁集、难标注模态数据的预张望与微调方法；研究大范畴多任务、多模态学习的预张望问题，竣事少样本/零样本迁徙，发展跨模态各样性数据生成的方法；研究多模态大模子的新式、吞并概率建模方法，搞定破裂、一语气夹杂数据类型的概率建模与生成难题，提高多模态基础模子的生收效用。在多模态模子中竣事不少于3个模态的暗示学习、对皆及生成才气，模子参数不少于7B，探索在智能座舱、自动驾驶或多模态对话等领域的应用考据。累积用于张望多模态大模子的优质标注数据，并探索数据闭环，蚁集数目特别标注样本不少于2个量级的非圆善标注或无标注数据，竣事模子迭代优化。
5.模子与数据和会的大模子张望方法。
探索系统性的、自安妥数据考中方法，以达到数据和模子的有机和会，包括：在模子张望经由中on-the-fly 考中下一步所继承的数据的方法；树立数据和模子有机和会的机器学习框架；发展替代大模子张望深广继承的先处理数据、再作念模子张望的两步走模式的灵验方法。
6.视频原生的自监督学习方法。
针对视频数据既是时期序列又是图像，但又不同于一般的时期序列和图像的性情，充分垄断视频数据的属性和性情，发展一套新的自监督学习框架，类比针对时期序列的predict next token 的框架和针对图像数据的填空框架，并在本色视频数据集上加以考据。
7.支捏下一代东谈主工智能的通用型高质料科学数据库。
大范畴高质料科学数据是东谈主工智能运转的科学研究新范式的必要条目。研究科学数据、科技文件等的学问对象标注、抽取、和会中的主动学习机制与自动关联算法；研究面向学问对象的智能编码与机器可识读的多元解析，支捏跨领域学问对象的广谱关联，竣事与不少于3个海外主流科技资源符号动态互通，支捏与外部数据资源智能化和会；研究多模态跨学科学问碎屑对皆与学问对象识别方法，以及多学科领域数据自动分娩与增强算法，形成安妥海外范例或经同业评议的且遮蔽不少于8个学科领域的高质料科学数据1PB以上。
8.AI for Science 的基础法子建设与示范应用。
发展AI for Science的基础法子方法，包括：基础物理模子的东谈主工智能算法；高效用、高精度的践诺表征算法；自动化和智能化践诺平台建设；科学文件和科学数据的整合与智能应用。发展AI for Science的立异应用，包括但不限于：复杂催化体系（催化剂动态结构变化、反应汇集高度复杂等问题）；碳达峰和碳中庸中的中枢催化反应；工况条目下的电化学表征方法；生物医学中的高效用和高精度的成像本事；有机合成的自动化和智能化搞定决议；定向进化卵白质工程等。要点支捏表面和践诺相团结并形成闭环的技俩。
四、技俩遴择的基本原则
（一）细腻围绕中枢科学问题，饱读舞基础性和交叉性的前沿探索，优先支捏原创性研究。
（二）优先支捏面向发展下一代东谈主工智能新方法或能鼓动东谈主工智能新方法在科学领域应用的研究技俩。
（三）要点支捏技俩应具有秘密的研究基础和前期累积，对总体科学目的有径直孝顺与相沿。
五、2024年度资助规划打算
拟资助培育技俩约25项，径直用度资助强度不特别80万元/项，资助期限为3年，培育技俩苦求书中研究期限应填写“2025年1月1日－2027年12月31日”；拟资助要点支捏技俩约6项，径直用度资助强度约为300万元/项，资助期限为4年，要点支捏技俩苦求书中研究期限应填写“2025年1月1日－2028年12月31日”。
六、苦求要求及贯注事项
（一）苦求条目。
本要紧研究规划打算技俩苦求东谈主应当具备以下条目：
1. 具有承担基础研究课题的履历；
2. 具有高档专科本事职务（职称）。
在站博士后研究东谈主员、正在攻读研究生学位以及无责任单元或者处所单元不是依托单元的东谈主员不得算作苦求东谈主进行苦求。
（二）限项苦求规章。
扩充《2024年度国度当然科学基金技俩指南》“苦求规章”中限项苦求规章的联系要求。
（三）苦求贯注事项。
苦求东谈主和依托单元应当肃肃阅读并扩充本技俩指南、《2024年度国度当然科学基金技俩指南》和《对于2024年度国度当然科学基金技俩苦求与结题等磋磨事项的布告》中联系要求。
1. 本要紧研究规划打算技俩实行无纸化苦求。苦求书提交日历为2024年4月15日－4月22日16时。
（1）苦求东谈主应当按照科学基金汇集信息系统中要紧研究规划打算技俩的填报说明与撰写提摘录求在线填写和提交电子苦求书及附件材料。
（2）本要紧研究规划打算旨在细腻围绕中枢科学问题，对多学科联系研究进行策略性的主见率领和上风整合，成为一个技俩集群。苦求东谈主应把柄本要紧研究规划打算拟搞定的中枢科学问题和技俩指南公布的拟资助研究主见，自行拟定技俩称呼、科学目的、研究内容、本事道路和相应的研究经费等。
（3）苦求书中的资助类别采纳“要紧研究规划打算”，亚类说明采纳“培育技俩”或“要点支捏技俩”，附注说明采纳“可评释、可通用的下一代东谈主工智能方法”，受理代码采纳T01，把柄苦求的具体研究内容采纳不特别5个苦求代码。培育技俩和要点支捏技俩的合作研究单元不得特别2个。
（4）苦求东谈主在苦求书肇端部分应明确说明苦求安妥本技俩指南中的资助研究主见，以及对搞定本要紧研究规划打算中枢科学问题、竣事本要紧研究规划打算科学目的的孝顺。
要是苦求东谈主照旧承担与本要紧研究规划打算联系的其他科技规划打算技俩，应当在苦求书正文的“研究基础与责任条目”部分施展苦求技俩与其他联系技俩的分离与磋磨。
2. 依托单元应当按照要求完成依托单元承诺、组织苦求以及审核苦求材料等责任。在2024年4月22日16时前通过信息系统逐项说明提交本单元电子苦求书及附件材料，并于4月23日16时前在线提交本单元技俩苦求清单。
3. 其他贯注事项。
（1）为竣事要紧研究规划打算总体科学目的和多学科集成，赢得资助的技俩负责东谈主应当承诺慑服联悉数据和府上管理与分享的规章，技俩扩充经由中应关爱与本要紧研究规划打算其他技俩之间的互相相沿关系。
（2）为加强技俩的学术通常，促进技俩群的形成和多学科交叉与集成，本要紧研究规划打算将每年举办1次资助技俩的年度学术通常会，并将不依期地组织联系领域的学术接洽会。获资助技俩负责东谈主有义务投入本要紧研究规划打算指导各人组和管理责任组所组织的上述学术通常行动。
（四）筹商姿色。
交叉科学部交叉科学一处
磋磨电话：010-62328382特殊视频