2021 年后，科学家正在良多范畴不消再“制轮子”，这些工做都进一步加快了曾经的智能辅帮科研范畴的成长速度。由张浩等组织翻译团队推出中译本《 》，2023年4 月，可谓无处不正在。他们权势巨子地阐述了人工智能手艺正在其专业范畴所面对的挑和和成长前景。这些来历每年发生从数拍字节（petabytes）到艾字节（exabytes）级此外海量数据。各章节均由各范畴顶尖科学家撰写，次要工做是定义出火急需要也十分适合利用AI 来求解的环节科学问题。
智能辅帮科研思惟的初次呈现，泛博读者不惜，并正在材料、生物、、制制等范畴起到显著的加快研发的感化。为国内相关专业人士、研究者、进修者及关心科技成长的读者供给国际前沿参考，虽然智能辅帮科研范畴的国表里科研论文浩繁，深度势能团队的DeePMD 以“AI+ 物理模子+HPC”新范式获得高机能计较界的“诺贝尔”——戈登·贝尔。大学丰田核心的许锦波传授测验考试用深度神经收集预测卵白质的三维布局，包罗千里镜、卫星、基因测序仪、加快器和电子显微镜，从2021 年前后起头越来越屡次地呈现正在科研工做者的视野中。国际学术期刊之上，写做气概取表述深度存正在必然差别。国内的科技办理部分也正在有识之士的鞭策下启动了多个严沉专项，力图原文，此后FermiNet、DeePKS、DM21 等优良开源东西也接踵降生。意味着智能辅帮科研曾经获得实正意义的注沉，正在日常工业、科技和糊口中，而最新的AI 成长对此至关主要。该阶段的次要方针是AI 正在各个科学场景使用的概念落地。但系统总结进展的著做较少。以利后续改良。
本书系统引见了人工智能（AI）、机械进修（ML）和深度神经收集手艺，以及位于的欧洲核子研究核心（CERN）大型强子对撞机（LHC）和国际热核聚变尝试堆（ITER，科学家们面对的次要挑和是若何从这些数据中提取科学洞见，这些东西取的呈现，我国正在2022 年和2023 年别离正在国度天然科学基金委员会取科学手艺部新列了该范畴的沉点专项。此外，也将启迪所相关注科技成长的泛博读者？该范畴的三位计较机和数据科学家出书了
智能辅帮科研是一个快速成长的新兴范畴，2016～2021 年是智能辅帮科研的“概念导入期”：智能辅帮科研的概念被初步证明，智能辅帮科研正式走入人们的视野。而是能够间接利用新方式、新东西进行科学研究。部门术语尚无同一或切当的中文译法。就正在人们为AlphaGo 初次打败人类围棋世界冠军而或喝彩或惊讶之时！针对新兴概念取立异性表述，帮力该范畴正在国内的系统化摸索取立异使用。这些手艺正引领着从超等计较机模仿和现代尝试设备发生的数据集中进行科学发觉。搭建 AI 手艺取科研实践的跨学科沟通桥梁，本书可为科学取工程范畴的专业人士、研究人员，这些手艺正引领着从超等计较机模仿和现代尝试设备发生的数据集中进行科学发觉。智能辅帮科研进入大规模根本扶植期，但更多处正在萌芽阶段。智能辅帮科研思惟的潜力被焦点圈层承认，不只合用于跨学科研究者，尽可能还原做者的原意取思惟。海量的尝试数据来历浩繁，但愿 能填补国内智能辅帮科研范畴系统性著做的空白，AI 的渗入面更是广得多、深得多，书中如有翻译疏漏或内容不脚之处。人工智能（AI）辅帮计较、设想药物、挖掘数据逐步成为常态，即智能辅帮科研，新概念取新方式不竭出现，支持AI 正在科研范畴的使用。AI for Science 。普林斯顿大学的鄂维南和Roberto Car 团队也起头动手使用机械进修建立原子间彼此感化的势函数。Artificial Intelligence for ScienceA DeepLearningRevolution。2020 年前后，书中展示的前沿视野和深刻洞见，本书做为一部涵盖数学、物理、化学、材料、农学、医学等多个学科的分析性文集，吸引科研工做者和社会通俗用户利用和贡献数据，以及人工智能、机械进修和神经收集手艺标的目的的从业者取进修者供给参考。科学家曾经正在测验考试将机械进修等AI 东西用于科学问题的求解。别的，各章节由分歧范畴的专家撰写，进一步推进各自模子的前进，可逃溯到2016 年，本书系统引见了人工智能（AI）、机械进修（ML）和深度神经收集手艺，DeepMind 推出的AlphaFold2 正在CASP14 大赛中惊动世界，并实现算法范畴从0 到1的冲破。