方向介绍：
智能科学计算是指借助人工智能方法增强复杂科学问题建模能力、加快问题求解效率，为科学问题求解、智能决策提供新理论、方法和工具。
(1) 组合优化：利用机器学习的方法对运筹优化问题进行建模和求解，依靠大模型的语义理解和抽象能力，实现对通过自然交互方式输入的运筹优化需求自动建模和统一表示；设计机器学习与传统运筹算法相结合的或者端到端的优化求解器，提高求解器的求解效率和通用性。
(2) 智能建模：利用人工智能方法将复杂问题或系统转化成可量化描述和表述、便于求解的科学形式，是数值计算、仿真计算的基础。近年来，智能建模在结构生物学、气象预测、空气动力学等领域被广泛研究。
(3) 智能博弈：通过将强化学习、运筹优化等技术引入到计算博弈求解框架之中，形成混合驱动的复杂博弈高效求解技术体系，构建模型能通用、环境自适应、结果可解释的智能决策基础模型，并在游戏、机器人、电力等领域进行应用。研究包括单智能体探索学习、多智能体协同学习、不完美信息博弈学习、对手建模人机交互学习等。
(4) 强化学习：从环境状态到动作映射的学习方法，以使智能体的动作从环境中获得的累积奖励值最大。围绕智能体如何与环境交互学习，在动作-奖励的环境中获得经验改进策略以适应环境达到预想的目的。研究包括深度强化学习、单（多）智能体强化学习、分层强化学习等。
中国科学院自动化研究所
联系我们
