今晚开讲！从零开始追赶诺奖，如何在化学研究中使用AI？

今年的诺贝尔化学奖是关于蛋白质设计的，获奖者是David Baker，Demis Hassabis和John Jumper。David Baker闻名于预测与设计蛋白质结构，并开发了Rosetta工具，而Demis Hassabis与John Jumper的主要贡献则是用于蛋白质结构预测的AlphaFold工具。显然，今年的诺贝尔化学奖发给了“人工智能”，加上之前诺贝尔物理学奖颁给了神经网络领域，一时间大家开始感慨，AI再次击败了人类。

2024年诺贝尔化学奖获得者

诺贝尔奖颁给人工智能无疑再次印证了目前AI在科学领域里面巨大的影响力，AI for Science的研究范式再次被众多研究者们关注。感叹之余，许多研究者开始思索如何将人工智能、机器学习应用于自己的研究领域。然而对于大部分化学科学的研究者，AI仍是一个较新的工具，基本原理，使用方法，应用技巧等都有或多或少的疑惑。

为了让更多同行了解人工智能、机器学习在材料科学领域的使用，顺利入门机器学习，华算科技黄老师将和大家进行一次直播讨论，在直播中将给大家介绍如何在化学与材料科学中使用人工智能、机器学习，并和大家一起探讨AI在化学中使用的各种可能。

有意思的神经网络模型

10月11日晚19:00，不见不散！

直播内容

1. AI for Science

介绍AI for Science的研究范式，介绍传统化学中的研究过程与AI参与的化学研究过程的差异，并介绍哪些化学与材料科学领域可以使用AI参与研究，以及使用AI的优势。

2. 机器学习在化学领域的研究案例

介绍化学与材料科学中AI使用的一些案例，通过案例介绍了解AI在化学中如何使用，能实现何种效果。

3. 常用机器学习工具介绍

介绍人工智能、机器学习使用过程中常用的工具。各种计算机语言、机器学习框架、机器学习软件的选择，介绍如何入门机器学习，学习机器学习及应用于材料科学的基本路线。

4. 互动答疑讨论

解答各位研究者对于人工智能、机器学习在化学与材料科学入门及使用中的各种疑惑，提供机器学习的研究思路指导，探讨机器学习在材料科学中的使用前景。

讲师介绍

黄博士：华算科技全职技术专家，武汉大学本科，北京大学博士，新加坡国立大学访问学者。目前已发表SCI文章共20篇，其中第一作者文章5篇，单篇最高影响因子>40。

从事理论计算与实验化学研究工作十一年，擅长使用机器学习进行化学理论的研究及实验数据的处理，曾获华中地区数学建模邀请赛三等奖，北京大学游戏AI对抗全国邀请赛第四名等相关奖项。