北京大学物理学院博雅特聘教授马滟青应邀访问并作学术报告

2026年1月5日上午，北京大学物理学院博雅特聘教授马滟青应基因功能研究与操控全国重点实验室院贺新强教授邀请来到生命科学学院，并在吕志和楼B101报告厅作题为“AI自主发现科学定律——从牛顿第二定律到未来科学范式”的精彩学术报告。报告由贺新强教授主持，吸引了众多师生参与。

在报告中，马滟青教授首先从传统的“科学研究流程”切入，回顾了从观察、假设、实验到理论构建的科学定律提出历程，并指出这一依赖于人类直觉与归纳的范式在应对高维、非线性复杂系统时渐显瓶颈。近年来，以大语言模型为代表的生成式AI在文本翻译、数据处理、代码生成等领域展现出了惊人能力，也为自动化科学发现提供了技术基础。马艳青教授指出，人类在科学发现过程中存在一定的认知与能力局限，使得基于人工智能（AI）的研究范式成为必要。尽管AI领域的快速发展使得这一新范式前景充满希望，但让AI模仿人类式的科学发现仍然是一个有待解决的重要挑战。

马教授从“从数据到模型”和“从模型到数据”两个科学发现的核心循环入手，系统阐述了当前AI在科学推理中面临的挑战与最新进展。他重点介绍了其团队在相关方向的研究成果。在“从数据到模型”方面，马教授团队开发的AI-Newton系统基于符号回归与神经网络融合架构，能够从实验数据中自动识别潜在的数学表达形式，并已成功复现了经典力学、热力学中的多个基础定律。该系统通过可微分编程实现方程结构的迭代优化，在保证物理可解释性的同时提升了推导效率。在“从模型到数据”方面，团队提出的LOCA（逻辑链增强）方法在解决需要深度物理推理与复杂数学计算方面展现出突破性的能力。通过在中国物理奥林匹克竞赛（2025年）题目集上进行测试，验证了该系统优秀的问题理解与推理性能，标志着AI在结构化科学问题求解方面达到了新的高度。这些工作不仅展示了AI在结构化科学发现中的潜力，也为未来构建“AI科学家”提供了重要的理论与技术基础。

在交流提问环节，现场师生围绕AI在生命科学领域的应用前景、科学发现的可解释性等话题展开热烈讨论。多位老师和同学就AI-Newton系统在实验设计层面的具体实现逻辑提出探讨，尤其关注系统如何从数据采集阶段介入，以优化观测策略并智能指导后续实验方向。现场讨论气氛活跃，思辨层层递进，体现了跨学科学术交流的深度与启发性。

本次讲座内容深入浅出，现场交流互动热烈，有效激发了在场师生对这一交叉领域的广泛兴趣与积极思辨。活动在热烈的学术氛围中圆满结束，为生命科学与人工智能的交叉融合提供了新的思想碰撞与对话平台。