AI for Science创新图谱
《AI for Science创新图谱2026》是由[[中国科学技术信息研究所]]联合多家顶级智库发布的年度报告，系统梳理了AI在科学研究领域的应用进展和趋势。
核心洞察
- 范式转移：AI从"假设驱动的实验验证"向"数据驱动的底层规律发现"转移。
- 活跃领域：生命科学、物理学、材料科学领域的AI应用活跃度稳居前三。
- 增速：在航空航天、量子科技与新材料研发领域，AI驱动的科研产出年均增速已超过30%。
与现有维基的连接
本文提到的AI for Science的"范式转移"（从假设驱动到数据驱动），可以看作是对[[大模型不是真理机器-而是论证机器]]中哲学讨论的实践回应——AI在科学发现中扮演的角色，可能更接近"发现规律"而非"论证真理"。
相关概念
- [[几何深度学习]]
- [[最优传输与梯度流]]
- [[Uni-Mol]]