对话人大AI学院最年轻博导：用AI发现物理学规律，成果登Nature子刊

作者 | 心缘

编辑 | 漠影

科学探索，也许是AI领域，最有“星辰大海”想象空间的方向之一。

神秘莫测的生命密码、无处不在的动力热力、混乱无序的分子运动……科学家们前赴后继，探寻简单、优雅、和谐的数学方程，来描述大千世界的普适规律。

从看云辨风识天象到数值气候模型，从牛顿力学到爱因斯坦相对论，一个又一个被发现的规律，在人类发展进程中留下浓墨重彩。而世界如此之广袤，还有太多的奥秘，未被人类发掘和定义。

当AI成长为挖掘海量数据信息的关键利器，它为探索科学问题开启了一扇新的大门。

全世界顶尖的AI机构都在付诸行动，DeepMind用AI破解蛋白质折叠难题，华为云训练盘古药物分子大模型以推动AI新药研发，NVIDIA宣布要打造“数字孪生地球”来研究气候变化……

这些解码未知的探索，也是孙浩正在潜心研究的方向。

▲中国人民大学高瓴人工智能学院长聘副教授、博导孙浩

孙浩今年33岁，目前是中国人民大学高瓴人工智能学院最年轻的长聘副教授、博导，同时是麻省理工学院兼职研究员、美国东北大学兼职教授。

今年10月，孙浩团队的论文《从稀缺的数据中学习物理控制方程》（Physics-informed learning of governing equations from scarce data）发表于国际学术顶刊Nature Communications。

在留美研究及任教数年后，他回到祖国，想用AI加速解开更多潜在的定律，为物理、化学、生物、工程应用等科学寻找到更多可靠的理论支撑。

▲孙浩团队今年10月在国际学术顶刊Nature Communications上发表的论文

一、从“建筑医生”到“方程侦探”

孙浩并不是一开始就做“AI+科学探索”方向。

他本科就读于河海大学土木工程专业，毕业后拿着全额奖学金去美国哥伦比亚大学攻读工程力学硕士和博士学位，随后在麻省理工学院做博士后，29岁入选福布斯美国“30位30岁以下精英”科学类榜单，31岁当选“美国十大华人杰出青年”。

求学期间，孙浩是那种玩学兼顾、不会死读书的学生，非常喜欢游泳。在做博士后时，孙浩坚持每天下午六七点去游泳，也时常打打乒乓球，通过运动来舒缓压力、重启大脑。

2015年前后，孙浩的研究背景是力学，做一些智能建筑、智慧城市智能基础设施等应用，比如用传感器监测和预警大楼、桥梁等建筑结构的健康状况。做软件分析时，他开始接触人工智能和机器学习方法，用于解决相关的数据处理问题。

在此过程中，孙浩发现，数据没有想象中那么多，信息也没有那么充分，如果仅仅处理数据，此前的基础力学定律，不足以解决建筑的有些动力学问题。

起初是兴趣使然，后来随着研究逐渐延伸，孙浩意识到这不仅是力学相关问题，天气预报、细胞运动等物理世界存在的其他许多系统都存在类似的问题。

那么，是否可以做一套AI理论，既能从数据中寻找到某种特定的科学规律、形成新的理论，也能兼顾我们以前已经学过的基础理论？

以此为出发点，孙浩的研究方向开始转变至“AI+科学探索”。

他相信：“未来的科学探索不应仅仅依靠于人。牛顿写出牛顿第二定律，开普勒写出开普勒定律，他们确实有过人之处，那是天才，是巨人。”

物理世界存在的未知问题如此浩瀚，迄今人类仅仅解决了冰山一角，如果未来仍然仅仅依赖人的力量，还要出现多少的天才？

“所以我们就在想，与其这样，不如让AI去扮演天才，AI去帮我们去把这个定律找出来，把这个公式给推出来。”孙浩说。

▲AI探索非线性偏微分方程，用于描述生物化学系统复杂反应扩散过程

二、回到祖国，用人工智能探寻科学规律

2017年起，孙浩先后在美国匹斯堡大学、美国东北大学任终身序列助理教授、博导，并在麻省理工学院兼职研究员至今，今年夏天，孙浩选择回到祖国。

“国内的科研环境比以前变得好很多了。”孙浩提到国内在政策、经费等各种科研支持力度上显著加强，长远来看，他对中国的科研发展更有信心。

在和院长文继荣教授打一通长达1个多小时的电话后，他当即决定加入刚刚创立两年的一所年轻AI学院——中国人民大学高瓴人工智能学院。

▲高瓴人工智能楼

高瓴人工智能学院成立于2019年4月22日，是中国人民大学下属二级学院，由高瓴资本创始人兼CEO张磊捐资支持建设，中国工程院院士潘云鹤任学术委员会主任，文继荣教授任执行院长，教师序列实行“长聘制”。

“我感觉文老师是非常有情怀的一个领导者，我觉得我应该加入这个地方。”孙浩相信一个优秀的领导者对年轻人的成长有指引性作用。无论是锚定方向推动AI变革，还是推行长聘制，都需要有情怀。

除了领导力外，孙浩还看好高瓴人工智能学院的另外三个优势：视野、制度、文化。

在他看来，高瓴人工智能学院在AI发展上有超前的视野，并率先提出有温度的AI。AI不仅是工具，它应与人深深联系在一起，与法律、传播学、经济学、社会治理等各种学科结合，来解决现实世界中广泛的问题。

一个地方能否吸引到有激情、有干劲的年轻学者，制度至关重要，刻板的东西会给创新形成屏障，而高瓴人工智能学院鼓励老师去自由探索研究方向，不会设置条条框框的边界。

加入两个月以来，孙浩感受到学院的文化非常包容。学院支持教授们选择自己感兴趣的研究方向，对内外合作均持鼓励态度，研究经费也更充裕，如果想做某个对未来发展有益的研究，学院还会特殊申请一部分经费，来专门支持做这个方向。

当前孙浩从事人工智能数理基础与理工交叉研究，包含可诠释性深度学习、知识表征与推理、物理驱动深度学习、符号强化学习与推理、数据驱动复杂动力系统建模与识别、控制方程找型、基础设施健康监测与智能化管理等方向。

在今年9月加入人大高瓴人工智能学院后，孙浩迅速组建起“物理驱动人工智能”研究组，并于10月在国际学术顶刊Nature子刊上发表论文。

截至目前，他主持或共同主持了美国科学基金等研究项目330余万美元；在国际一流SCI期刊和计算机顶会等各类刊物上共发表论文50余篇。

三、与气象局合作，破解天气密码

孙浩团队推进的研究涉及物理系统、化学系统、生物系统等，来探索大千物理世界的各种潜在理论规律，用数学方式的形式描述它。

目前孙浩、文继荣、卢志武三位教授和高泽峰博士后，正与中国气象局合作，利用风云卫星的时空高分辨率数据，探索特定的规律和方程，以期更精准地预测天气变化。

传统气象预报方式基于数值计算，根据大气实际情况，在一定初值和边值条件下，求解描写天气演变过程的流体力学和热力学的方程组，从而预测未来一定时段的大气运动状态和天气现象。

这存在一个问题，假想的数值模型与实际天气存在误差，可以捕捉到基本的天气规律，但可能对一些小概率的极端天气猝不及防。

这些误差是怎样造成的？假想的模型，可能有些地方并不合理，或者人们没有考虑到位。

对此，孙浩他们采用AI方法，探索与实际气象演变更契合的规律，尝试描绘出更好的方程组，实现超短时天气预报，并提高长期预测与极端天气预测的精准度。

孙浩团队用AI获得的科学系统有三个目标：可诠释性、外推能力、泛化能力，即便从来没有见过的事件，系统也能做出稳定预测。

这是相当有挑战性的方向。传统AI模型是黑箱子，但孙浩想要改变这种理念，希望做到“AI+小数据”依然可以得到一个非常可靠的AI模型，并能将一些未知的规律从小数据给提取出来。

▲AI探索用于描述混沌动力系统的非线性常微分方程

这也是个非常振奋人心的方向。在科学探索和工程应用中，真正有价值的不是数据量多少，而是信息是否充分。有海量数据固然很好，但即便没有海量数据，依然能探索出简洁而普适的规律。

数学是一切科学的基础，方程式是各种科学理论的抽象表达，而能描绘物理世界某种客观规律的方程式，往往总是奇妙的富有美感。

除了气象精准预报外，在科学探索工程应用上，孙浩也在持续关注着蛋白质结构、自动驾驶等方面的进展，他还考虑以后在将自动驾驶的控制系统等与自己的研究相结合，以优化其可诠释性。

四、“要做出大的成果，就要有大的胸怀和眼光”

在人民大学高瓴人工智能学院，孙浩正在教研究生《人工智能跨学科应用思维与实战》这门课。

“这门课说实话不好讲。”孙浩说，这是一门全新的课程，相比既有的人工智能理论课或案例课，它更注重对学生跨学科研究思维的引导与训练。

比如抛出一个问题，要用AI方法来解决它，如何将自己所需要的知识嵌进来，为设计AI算法起到真正的作用？这是学生应该掌握的分析能力。

他也会训练学生去研究顶会文章，不仅要了解解决问题的前沿方法，还要清楚故事是怎样讲的，以及为什么他们能提出这个方法来解决问题。

孙浩不想给学生设限，在指导博士生时，他通常先了解学生自身的想法及职业规划，给刚入学的学生指定一个方向，但不会限定用什么方法，给予博士生自由探索的空间。

“我们解决这个问题本身就非常有意思，就是未知世界。”孙浩说，“你做出来或找到了一个规律，或者发现了一个新的知识，会变得非常excited，这种感觉不断地刺激的过程中，会让兴趣不断保持，所以说科学探索本来就有这种特质，这就是为什么那么多人热爱科学探索。”

他希望学生首先要热爱自己在做的研究，明确自己想要做什么，不必为今年有没有在顶刊发表文章而纠结，一篇Nature不是半年就能做出来的，“要做出大的成果，就要有大的胸怀和眼光。”

每个人的研究特质不同，因此孙浩会因材施教。比如一个学生逻辑思维能力较强、学习和解决问题的速度快，孙浩就引导他做些有挑战性的事；而如果一个学生不具备这种潜质，孙浩也会慢下节奏，来循序渐进地带他上手研究。

他很乐意将自己的经验分享给学生。他正在带的博士生都自我驱动力都非常强，当学生感觉最近压力大，孙浩就让他把手头的工作都停下，出去爬山旅游放松，再回来看这个问题，往往会冒出新的灵感。

同时，孙浩对学生能力的要求非常高：“如果是这个学生跟我读博士的话，他需要充分挖掘自己的潜力，把自己的研究能力提升到自己能够做到的极致。”

做到极致，不是向学生施压，而是希望学生经过训练后能凭借扎实的基本功发挥出应有的状态，这样他未来才有更广泛方向的研究可以选择。“AI+科学探索”本质上是在研究基础的AI方法，即便学生以后想尝试些不同方向，也能游刃有余。

对于学生创业，孙浩亦表示鼓励和支持。在他看来，在“AI+科学探索”方向，分子作用或激励新药研发，流体模型或推动火箭飞机设计，诸如此类的种种应用，均能通过提高效率来产生价值。

结语：期待更多跨学科人才，用AI探索科学的星辰大海

可诠释是未来AI的发展方向，而AI与科学探索的结合正好是一个重要载体。

当前“AI+科学探索”还面临多重挑战：这是一个需要深度跨学科交叉的领域，面向特定领域，需结合非常强的专业知识；此外，如何让系统既具备强大的学习能力，又兼顾数理简明的美感，这是个复杂的平衡问题，需要探索全新的AI算法。

“我们已经做了一些工作。我相信未来应该至少能够起到一个指引的作用。”孙浩举了些例子，包括符号强化学习推理策略以及稀疏回归等理论。

但现阶段“AI+科学探索”领域的人才仍相当稀缺，学生多为计算机科班出身，孙浩也希望看到更多其他方向的学生有志于在这一领域深造。

“如果数学还不错的话，基本上可以认为AI本身的门槛很低，我自己也不是计算机专业出身。”他对自己的研究生只有两个基础要求，一是对AI+科学探索有热情，二是够勤奋，勇于克服困难。

“汗水和丰收是一对挚友，勤奋和知识是一对Couple。”他期待更多年轻人加入这一方向，愿意为之付出汗水，去攻克一系列科研难题。