免费直播｜牛津、加州理工、帝国理工、清华、北大等大牛同时开讲，在IOP“人工智能与科学论坛”，探讨机器学习的多学科前沿

头像

科研圈

2025-10-17 11:56发布于北京科研圈官方账号

本文来自“IOPP”，文章仅代表作者观点，与“环球科学科研圈”无关。


图片
图片

作为世界青年科学家峰会（WYSS）的重要平行论坛之一，2025“人工智能与科学论坛”（Machine Learning for Science 2025）由英国物理学会出版社（IOPP）牵头组织，聚集全球知名科学家、青年研究人员和产业领袖，共同探讨机器学习技术在物理科学、工程技术、生命健康、环境科学等多个学科中的深度融合与应用。


本次会议将于2025年10月25日至26日在中国温州举行，围绕机器学习的理论基础和实际应用展开高水平研讨，致力于搭建学术界与产业界的全球交流平台，展示该领域的最新研究成果与应用案例。


会议将紧密结合IOP出版社新推出的机器学习系列期刊，包括：


  • Machine Learning: Science and Technology

  • Machine Learning: Engineering

  • Machine Learning: Health

  • Machine Learning: Earth

｜会议网站｜


https://conferences.koushare.com/MachineLearning2025


｜会议注册｜

｜会议详情｜

  • 日期：2025年10月25日–26日（报到时间为10月24日全天）

  • 地点：浙江省温州市温德姆酒店

  • 形式：线下会议 + 线上同步直播

｜组织单位｜

  • 主办单位：英国物理学会出版社（IOPP）

  • 支持单位：中国物理学会

｜拟定议题｜

本次会议将围绕以下核心领域展开：


  • 机器学习与理科：涵盖物理、化学、材料科学、生物学及自动化实验室

  • 机器学习与工程：系统、自动化、机器人等工程技术的创新应用

  • 机器学习与健康：个性化医疗、智能诊断与健康技术

  • 机器学习与地球科学：气候建模、环境监测及可持续发展

｜行业论坛｜

本次大会还将特别设置行业论坛，届时我们将邀请多位嘉宾分享精彩话题，更多精彩内容敬请期待。

｜大会主席｜


Jay Lee


美国马里兰大学

图片


王磊


中国科学院物理研究所凝聚态理论与计算实验室

图片

｜组织委员会｜

  • Keith Butler，英国伦敦大学学院

  • 邓东灵，清华大学

  • 张潘，中国科学院理论物理研究所

  • Pierre Gentine，美国哥伦比亚大学 

  • Jimeng Sun，美国伊利诺伊大学香槟分校

  • 马坚伟，北京大学 

  • Olga Fink，瑞士洛桑联邦理工学院 

  • Liang Xuan，新加坡南洋理工大学 

｜最新确认报告嘉宾｜

  • Andy Sode Anker，丹麦科技大学、英国牛津大学

  • Xavier Bresson，新加坡国立大学

  • 陈基，北京大学

  • 陈锟，中国科学院理论物理研究所

  • 邓东灵，清华大学

  • 符天凡，南京大学

  • 黄正行，浙江大学

  • Yoshiyuki Kabashima，日本东京大学

  • 李晓鹏，复旦大学

  • 李珍珠，英国帝国理工学院

  • 鲁智德，上海期智研究院

  • 马坚伟，北京大学

  • Benjamin Moss，美国加州理工学院

  • André Pfob，德国海德堡大学附属医院

  • Seunghwa Ryu，韩国科学技术院

  • Vinay Sharma，瑞士洛桑联邦理工学院

  • Huu-Tai Thai，澳大利亚墨尔本大学

  • 王昕，新加坡国立大学

  • Ruoxin Wang，美国马里兰大学

  • W.G. van der Wiel，荷兰特文特大学

  • 吴林，中国科学院大气物理研究所

  • 吴泰霖，西湖大学

  • 伍新明，中国科学技术大学

  • 徐勇，清华大学

  • 俞红玉，浙江大学

  • 于立伟，南开大学

  • 张超，重庆大学

  • 张林峰，北京科学智能研究院

  • 张晓革，香港理工大学

  • 赵阳，中国海洋大学

｜会议日程｜

图片

会议日程请以大会最终发布为准。


支持期刊

IOP出版社的领先期刊将展示机器学习技术的前沿研究成果：


图片

Machine Learning: Science and Technology

● 2024年影响因子：4.6  Citescore：7.7


Machine Learning: Science and Technology （MLST）是一本跨学科期刊，致力于发表智能机器在物理、材料科学、化学、生物学、医学、地球科学、天文学和工程学等多学科领域的应用和发展。涉及领域包括：物理学和空间科学；设计和发现新材料和分子；材料表征技术；模拟材料、化学过程和生物系统；原子和粗粒度模拟；量子计算；生物学、医学和生物医学成像；地球科学（包括自然灾害预测）和气候学；模拟方法和高性能计算。同时，也包括机器学习方法在概念上的新进展：新的学习算法；深度学习架构；核心方法；概率和贝叶斯方法；生成方法；强化和主动学习；经常性和基于时间结构的方法；神经启发方法（包括神经形态计算）。


图片

Machine Learning: Engineering

● Machine Learning: Engineering是一本多学科开放获取期刊，致力于在所有工程领域应用机器学习、人工智能数据驱动的计算方法。该期刊还发表介绍机器学习和人工智能在方法、理论或概念上的进展，并将其应用于所有工程领域的研究。


图片

Machine Learning: Health

● Machine Learning: Health是一本多学科开放获取期刊，致力于在医疗保健、医学、生物、临床和健康科学领域应用机器学习、人工智能和数据驱动的计算方法。该期刊还发表机器学习和人工智能在方法、理论或概念上的进展，并将其应用于医学和健康科学的研究。


图片

Machine Learning: Earth

● Machine Learning: Earth是一本多学科开放获取期刊，致力于在地球、环境、气候科学、可持续发展的所有领域应用机器学习、人工智能和数据驱动的计算方法。该期刊发表应用数据驱动方法的研究报告，这些方法提高了我们对地球系统的认识，以及对生物圈、水圈、冰冻圈、大气圈和地圈之间相互作用的认识。