2018 年中国科学院院士鄂维南提出「AI for Science」概念，强调利用 AI 学习科学原理、创造科学模型来解决实际问题。同年，AlphaFold 崭露头角，从 43 种蛋白质中准确预测出了 25 种蛋白质结构。2021 年，AlphaFold 2 开源并预测了 98.5% 的人类蛋白质结构，也是这一年，AI4S 真正地走入了大众视野。
图源：新华社
随后，我国政府及各级部门也面向 AI4S 出台了一系列利好政策。2023 年 3 月，为贯彻落实国家《新一代人工智能发展规划》，科技部会同自然科学基金委启动「人工智能驱动的科学研究」(AI for Science) 专项部署工作，紧密结合数学、物理、化学、天文等基础学科关键问题，布局人工智能驱动的科学研究前沿科技研发体系。
以科技发展和政策支持为导向，「AI for Science」逐步从概念走向实践，在生物医药、材料化学、医疗健康等多个领域产出了一系列高价值成果。
然而，AI for Science 作为横跨 AI 与多个基础学科的新兴技术，在实际应用中往往需要具备交叉学科背景的研究人员。 但在庞杂的科研细分领域中，积累交叉学科经验并非易事，很多科研人员对 AI 专业知识了解不足，想使用 AI 工具却无从下手。同时，AI 人才也很难在短时间深刻认知到各个科研领域的真正痛点，空有一身 AI 本领却难以施展。
更重要的是，由于科研学科间的壁垒很高，AI for Science 的学习资源稀缺且分散， 传统学科的研究人员在跨学科学习时也是困难重重。这些挑战都极大地限制了 AI for Science 的快速推广。
「awesome-ai4s」界面
AI for Science 案例
因此，为了打破信息差，帮助更多研究人员了解 AI for Science 的最新研究成果和实践案例、降低学习门槛，HyperAI超神经在 GitHub 上发布了开源项目「awesome-ai4s」，整理了百余篇 AI for Science 案例，覆盖生物医药、医疗健康、材料化学、动植物科学、气象研究、能源环境、自然灾害等细分领域， 方便不同专业的研究人员精准查找相关资料。
「awesome-ai4s」项目地址：
https://github.com/hyperai/awesome-ai4s
HyperAI超神经官网
此外，HyperAI超神经官网也上线了学术论文中提到的优质数据集与 AI 工具资源， 一键即可下载。
HyperAI超神经官网地址：
https://hyper.ai/
未来，我们还将持续更新「awesome-ai4s」，将前沿、权威的高质量成果进行广泛分享，也欢迎大家贡献 Star 和 PR，共同推进 AI4S 的普适化应用。
横向覆盖多学科，竖向串联主流技术
「awesome-ai4s」囊括了近百篇来自全球顶尖学术机构的高质量 AI for Science 论文，介绍了深度学习、机器学习、强化学习、自监督学习、迁移学习等 AI 技术在生物医药、医疗健康、材料化学、动植物科学、气象研究、能源环境、自然灾害等领域的创新应用。
无论你的研究领域是什么，想将哪些 AI 技术用于你的研究方向，都可以在「awesome-ai4s」中获得灵感与启发：
- 立足于科研学科，你可以在同领域内寻找相同的研究痛点，了解其解决方案是否能够适用于自身研究。
- 探索 AI 技术，你可以通过了解技术在多领域内的应用价值，进一步学习其特性，从而更好地挖掘 AI 技术在自身研究中的应用潜力。
未来，我们将持续探索更多垂直、细分的科研领域，致力于帮助每一位科研人员构建其知识储备库。
超详细解读干货，一键下载优质资源
「awesome-ai4s」精选 Nature、Science、Advanced Science、Radiology 等知名期刊最新的高影响力因子论文，并对每篇论文研究所涉及的研究背景、研究亮点、数据集、模型架构、模型优化方式、实验结论等做了详细解读，点击题目即可跳转至论文解读页面。
注：点击题目链接访问论文解读
HyperAI超神经撰写的论文解读文章，可以帮助读者梳理论文框架，降低阅读门槛，即使是非专业人士也能把握研究精髓，还能帮助研究人员解决跨学科内容的理解障碍，快速定位干货内容。
更重要的是，我们还在解读文章中增加了拓展信息的汇总分享， 帮助读者更加全面地了解该研究领域，例如：
- 深挖研究项目背后的资深团队，介绍其主攻方向与过往的其他成果。
- 围绕该研究所处领域进行 AI 工具汇总，梳理同领域内其他高质量成果，以及进行同类研究机构。
- 探讨研究领域的未来发展趋势。
此外，「awesome-ai4s」还梳理了学术论文文档和研究所涉及的数据集资源，一键即可下载，帮助大家节省检索资料的时间，便捷高效。
著名高校/机构的智慧结晶，精准到导师/团队
「awesome-ai4s」分享了国内外著名高校/机构具体课题组和研究团队的研究成果展示， 不仅可以帮助找不到垂直课题组的小伙伴们快速定位感兴趣的研究方向并寻找合适的导师，还能为正在进行研究的团队找到队友，共同致力学术研究。
该项目所涉及研究团队包含但不限于清华大学、北京大学、北京交通大学、中南大学、军事医学研究院、浙江大学、中科院、佛罗里达大学、北师大、东南大学、华东理工大学、西湖大学、 谷歌研究团队、美国阿贡国家实验室、麻省理工大学、伦敦大学、多伦多大学、上海交通大学、中国人民大学、四川大学、澳门大学、加州大学、 广州大学、中山大学、华中科技大学、电子科技大学、普林斯顿大学等。
招募 Contributors，打造 AI4S 必读清单
现如今，AI for Science 带来的新方法、新工具正在为不同科学领域带来前所未有的新机遇。
然而，AI for Science 的快速发展离不开「数据-算力-人才」的共同进步。 中国工程院院士孙凝晖曾表示：「尽管我们过去已经做了大量研究，但不同板块间的信息流还没有全部打通，引入 AI 的方法最关键是要打通人、机、物之间的信息流」。由此可见，我国 AI for Science 的未来发展仍然有一段很长的路要走，这需要学术与产业界共同努力。
HyperAI超神经作为最早一批关注到 AI for Science 发展潜力的开放社区，持续关注 AI4S 的前沿成果、发展趋势，通过解读论文、报道里程碑事件及政策等不同方式，为 AI4S 发展贡献力量。
然而，深知自我力量的局限性，HyperAI超神经在这里诚挚地邀请更多志同道合的朋友们加入我们——投稿分享研究成果，推荐优质数据集/工具资源，输出行业趋势研判……任何你能想到的合作方式都可以与我们交流想法， 期待与更多小伙伴碰撞出不一样的火花，为 AI4S 探索之路点亮微光！
标签：AI4S,超全,AI,ai4s,awesome,研究,Science From： https://blog.csdn.net/HyperAI/article/details/139172265