基于AI的端到端的空间物理发现模型
主讲人：马剑竹
时间：12月7日（周日）15:30
地点：宁斋
直播：校内【荷塘雨课堂】
主讲人介绍
马剑竹，现任清华大学电子工程系、清华大学智能产业研究院副教授，博导，基金委海外优青项目入选者。曾任美国普度大学计算机系Walther助理教授，兼任普渡大学生物化学系助理教授。主要研究领域为人工智能、系统生物学和生物制药。曾获得生物计算学国际顶级会议RECOMB的最佳论文奖，国际计算生物学会议ISMB的Warren DeLano奖2次，国际RNA和蛋白质折叠大会的最佳海报奖，2024中国生物信息学十大进展。学术论文曽发表在Nature、Cell、Cancer Cell、Nature Machine Intelligence、Nature Methods、Nature Cancer、Nature Biomedical Engineering、Immunity等期刊上。论文曾被Nature Methods、Nature Machine Intelligence、Cell Systems评为封面论文。领导开发的蛋白质结构预测软件RaptorX获得两次国际蛋白质结构预测比赛总分第二名，一次高难度组第一名和一次蛋白质接触图比赛的第一名。除了生物制药方面的成果，马剑竹博士还在国际顶级人工智能会议上发表文章50余篇。
讲座摘要
本次报告将介绍一个基于AI的端到端的物理公式发现模型，该模型能够利用大语言模型和强化学习技术直接从天文数据中推断出物理公式。该方法被应用于空间物理学的五个重要场景中，包括太阳黑子强度预测、太阳自转角速度测算、发射线贡献函数分析、近地等离子体压力监测以及月潮等离子体信号研究。AI生成的物理公式在拟合卫星和天文望远镜的实验数据方面表现出极高精度。所提出的公式成功颠覆了NASA于1993年提出的太阳活动公式，并首次以显式形式揭示了太阳活动长周期的物理机制。此外，研究发现近地等离子体压力的衰减强度与距地球距离的平方成正比，该结论的数学推导与另一独立研究的卫星观测数据高度吻合。用来描述太阳极紫外光谱中发射线、温度、电子密度与磁场之间关系的物理公式，该公式完全符合物理学家此前假设应具备的理论特性。
