如何看待鄂维南院士等发起的机器学习联合研讨计划（c2sml.cn）？ 第1页

此回答可能有点偏题，但我还是想谈谈从这个培养计划中延伸出来的我的一些看法。

前些天我认真看了北京智源大会 机器学习如何改变传统科学？这个主要由鄂院士主持的分论坛，我想这个论坛的一些报告就已经把鄂院士的一些想法和观点，以及这个培养计划背后的精神传达的很清楚了。

1.原始创新的重要性

可能很多人都曾经批判过我们国家搞科研的时候喜欢跟风，很多科研的热点都不是我们自己在国际上引领的，而是看到发达国家搞什么我们就跟着搞什么，我们什么领域落后了我们就拼命追赶什么，但很少有我们中国人自己原创或者是自己革新的领域存在。鄂院士也在这个论坛上提到了原始创新，我觉得讲的很对，可能我们要花很多时间经过好几代人的努力才能完全改变我们惧怕原始创新的现状，改变跟风的现状。

2.开源社区的必要性

在科学计算的领域，我一直也觉得非常缺乏开源社区的存在，计算机这个专业，为什么能发展的如此迅速，就是它的开放性是远远超过其他传统的自然学科，我觉得要想推进其他自然学科的发展，就必须要走开源的模式，科学计算就是打开开源模式的一个小缺口，通过交叉学科，交叉领域把开源的精神逐步扩散，我觉得是一个极好的模式

3.科研跨界的必然性

机器学习与传统科学的交叉，实际上就是数学与物理、化学的交叉。再说窄一点就是机器学习与计算凝聚态物理、计算化学的交叉。我一直觉得虽然是技术人员，但擅长的领域不能太过于专一，不能因为不断地专业性地学习就把科研的路越走越窄， 况且在我看来机器学习与第一性原理、量子化学有非常大的共性，我觉得不同学科之间的交流和学习是非常有必要的。

4.工业软件的重要性

其实在计算领域，我们都知道很多科研上使用的软件都是非国产的，但我觉得以我们目前的现状和科研实力是有能力去做好的工业软件的，只不过需要时间的沉淀和大批的开发者的努力，我觉得现在机器学习和科学计算的交叉，人工智能与传统科学的交叉搞的这么火热的情况下，做工业软件、工具类的软件包，就是一个非常好的契机。

5.关于人才的需求

在我看来由于一些我们都知道的原因，我们教育体制培养的人才是与工业界的人才需求是严重脱节的。因为科研的特殊性，科学研究的实际现状是远远超前于工业界落地的进度的，所以我觉得在学术界去强调应用是非常有必要的。这样才完成了我们教育的一个非常实际的目的是为工业界培养能够将科研需求落地为产业的人才。

歪个题，欢迎来参与研讨活动 机器学习与科学应用大会

可以约饭~（食堂我随便请哈哈哈）

以往的会议线上也有共享，参考这里 机器学习联合研讨计划 - 以往活动 分栏

会议内容：本次会议旨在交流机器学习的以下三方面。数学的机器学习：从数学角度研究机器学习，如理论研究或者建模。科学的机器学习：将机器学习应用在科学问题中或者由科学计算的算法启发的机器学习算法设计。工业的机器学习：将机器学习研究应用到工业生产中的研究。
The conference focuses on the following three aspects on machine learning. Mathematic machine learning: study machine learning from mathematic perspective, such as theory and model. Scientific machine learning: the application of ML in scientific problems and design of ML algorithms inspired by scientific computing. Industrial machine learning: the application of ML in industry.
会议时间：2021.8.27-2021.8.29，周五注册，周末两天开会。
会议形式：线下
会议规模：两个上午安排五位年轻学者作邀请报告。第一天上午安排一场圆桌论坛。两个下午安排四轮平行分会，每轮有五个分会。每个分会报告时间为30分钟，共20场分会、80位报告人。参会人员在200人左右。
会场：上海交通大学（闵行校区）理科楼。
会议住宿：交大周边的合作宾馆（请见宾馆信息），请参会人员尽早预定。
班车接送：安排班车在早晨和晚上将参会人员在主要的宾馆和会场接送。
会议注册：会议需要注册（待开放），以便申请进入校园。会议无需注册费，住宿自理。