159
个编辑
更改
无编辑摘要
|王有贵
|王有贵
|王朝会
|王朝会
| rowspan="23" |[https://pattern.swarma.org/study_groups 了解更多详情，点此链接报名]
| rowspan="28" |[https://pattern.swarma.org/study_groups 了解更多详情，点此链接报名]
[https://campus.swarma.org/catalog/7 查看课程，点此链接]
[https://campus.swarma.org/catalog/7 查看课程，点此链接]
|周莉
|周莉
|10
|10
|进行中
|已结束
|周日晚上19:00-21:00
|周日晚上19:00-21:00
|2022年11月-2023年2月
|2022年11月-2023年2月
|王建男
|王建男
|6
|6
|进行中
|已结束
|周五晚上19:00-21:00
|周五晚上19:00-21:00
|2023年3月-2023年4月
|2023年3月-2023年4月
|-
|-
|AI+Science读书会
|AI+Science读书会第一季
|吴泰霖等
|吴泰霖等
|王婷
|王婷
|8
|已结束
|周日早上9-11点
|2023年3月-2023年5月
|-
|图神经网络语组合优化读书会
|范长俊等
|周莉
|8
|进行中
|周三晚19:00-21:00
|2023年6月-2023年9月
|-
|因果涌现读书会第三季
|张江等
|梁金
|8
|进行中
|周二晚19:00-21:00
|2023年7月-2023年9月
|-
|城市科学读书会
|董磊等
|乔宇
|8
|进行中
|周六晚19:00-21:00
|2023年7月-2023年9月
|-
|AI+Science医学大模型读书会
|王瀚宸等
|王婷
|8
|进行中
|周日上午9:00-11:00
|2023年8月-10月
|-
|AGI读书会
|岳玉涛等
|冯睿洋
|
|
|8
|8
|筹备中
|筹备中
|周日早上9-11点
|周四晚上19:00-21:00
|2023年3月-2023年5月
|2023年9月-
|-
|AI&Math
|袁洋等
|苏婉婷
|
|8
|筹备中
|周五晚上19:00-21:00
|2023年9月
|}
|}
* [https://pattern.swarma.org/article/153 因果涌现初步学习概览]
* [https://pattern.swarma.org/article/153 因果涌现初步学习概览]
[https://pattern.swarma.org/study_group/28 【因果涌现读书会第三季】]
[[文件:因果涌现第三季框架图.png|居中|缩略图|600x600像素|因果涌现第三季读书会安排]]
== 社会计算读书会 ==
== 社会计算读书会 ==
[https://campus.swarma.org/catalog/4 网络科学相关课程]
[https://campus.swarma.org/catalog/4 网络科学相关课程]
==== 第一季 ====
==== [https://pattern.swarma.org/study_group/17 高阶网络读书会] ====
高阶网络读书会主要结合单纯复形（simplex）表示模型展开讨论，分享按照「基础理论」+「深入理论」+「案例研讨」的模式展开：
高阶网络读书会主要结合单纯复形（simplex）表示模型展开讨论，分享按照「基础理论」+「深入理论」+「案例研讨」的模式展开：
从心理学的角度看，人类智能在最大化未来的奖赏收益，最小化未来的损失这一原则下，通过与外界环境交互产生。强化学习模型（RL，Reinforcement Learning）提供了一个很好的框架去描述与解释学习、决策等人类行为。在这个模块的分享中，主要从强化学习的角度去建模人类行为，并试图探究在神经元层面对应的计算过程。进一步地，也会探讨对人类前额叶进行建模的元学习模型。
从心理学的角度看，人类智能在最大化未来的奖赏收益，最小化未来的损失这一原则下，通过与外界环境交互产生。强化学习模型（RL，Reinforcement Learning）提供了一个很好的框架去描述与解释学习、决策等人类行为。在这个模块的分享中，主要从强化学习的角度去建模人类行为，并试图探究在神经元层面对应的计算过程。进一步地，也会探讨对人类前额叶进行建模的元学习模型。
[[文件:读书会框架.jpg|替代=|居中|缩略图|NeuroAI读书会安排]]
[[文件:读书会框架.jpg|替代=|居中|缩略图|NeuroAI读书会安排|600x600像素]]
==[https://pattern.swarma.org/study_group/23 “后ChatGPT时代”读书会]==
==[https://pattern.swarma.org/study_group/23 “后ChatGPT时代”读书会]==
ChatGPT是OpenAI发布的大语言模型对话系统，通过对话的方式与用户进行交互，它可以和你进行无障碍沟通，让你感觉对面不是一个聊天机器人，而是一个知识渊博的长者，相比传统的聊天机器人，这个突破是跨越性的。
ChatGPT是OpenAI发布的大语言模型对话系统，通过对话的方式与用户进行交互，它可以和你进行无障碍沟通，让你感觉对面不是一个聊天机器人，而是一个知识渊博的长者，相比传统的聊天机器人，这个突破是跨越性的。
[[文件:“后ChatGPT时代”读书会.png|居中|缩略图|“后ChatGPT时代”读书会安排|替代=|600x600像素]]
[[文件:“后ChatGPT时代”读书会.png|居中|缩略图|“后ChatGPT时代”读书会安排|替代=|600x600像素]]
==[https://pattern.swarma.org/study_group/24 AI+Science]==
==[https://pattern.swarma.org/study_group/24 AI+Science]==
[https://pattern.swarma.org/study_group/24 AI+Science读书会第一季]
科学对于人类社会的发展具有根本性的推动作用。它让我们更加深刻地认识自然，从最基本的粒子，到原子、分子，从复杂的生物，再到浩瀚的宇宙。掌握了科学的工具，我们也能更好地改造自然。从开发新药物分子、新材料，到解决气候变化问题，从设计航天器，到操控可控核聚变。而在这其中，AI将发挥越来越核心的作用。
科学对于人类社会的发展具有根本性的推动作用。它让我们更加深刻地认识自然，从最基本的粒子，到原子、分子，从复杂的生物，再到浩瀚的宇宙。掌握了科学的工具，我们也能更好地改造自然。从开发新药物分子、新材料，到解决气候变化问题，从设计航天器，到操控可控核聚变。而在这其中，AI将发挥越来越核心的作用。
AI+Science是将人工智能和科学相结合的一种趋势，旨在利用机器学习和其他AI技术来解决科学研究中的问题。在此过程中，复杂系统理论是一个非常重要的概念，因为许多科学领域都与复杂系统有关。AI+Science中提到的技术可以通过对复杂系统的建模和分析来帮助科学家更好地理解和研究复杂系统。利用AI+Science可以构建高精度的复杂系统模型，并对这些模型进行仿真和优化。
AI+Science是将人工智能和科学相结合的一种趋势，旨在利用机器学习和其他AI技术来解决科学研究中的问题。在此过程中，复杂系统理论是一个非常重要的概念，因为许多科学领域都与复杂系统有关。AI+Science中提到的技术可以通过对复杂系统的建模和分析来帮助科学家更好地理解和研究复杂系统。利用AI+Science可以构建高精度的复杂系统模型，并对这些模型进行仿真和优化。
[[文件:AI+Science读书会大纲.png|替代=AI+Science读书会安排|居中|缩略图|600x600像素|AI+Science读书会安排]]
[[文件:AI+Science读书会大纲.png|替代=AI+Science读书会安排|居中|缩略图|600x600像素|AI+Science读书会安排]][https://pattern.swarma.org/study_group/29 AI+Science读书会第二季：大模型与生物医学]
在生物医学健康领域，研究深度和广度覆盖了各个层次尺度。这些研究范围从微观的分子层面（包括DNA，RNA和蛋白质等的研究）展开，进而深入到细胞和器官组织的层面（例如，对癌症等疾病的病理组织的探索）。最后，研究聚焦到宏观的个体健康临床治疗，以及社群的公共健康问题的应对。
以信息流动的视角来看，研究工作通常从最上游的DNA和基因表达分析开始，逐步深入到功能性的蛋白质和小分子药物的研究，最终到达临床诊断和疗法的研发。这构成了一个自上而下，由微观到宏观的研究框架。
在即将召开的读书会中，我们将按照这个流程进行深入讨论。首先，我们将概述并讨论当前在基础基因组学领域中所进行的大规模模型相关的探索研究工作。随后，转向相对更成熟的蛋白质，小分子以及医学领域的大模型的最新研究成果。我们的目标是通过这样全面和深入的探讨，为大家呈现大模型在生物医学健康研究方面应用的全貌，同时揭示可能的未来研究发展方向。
[[文件:AI+Science第二季读书会安排.png|居中|缩略图|600x600像素|AI+Science第二季读书会安排]]
==[https://pattern.swarma.org/study_group/25 图神经网络与组合优化]==
本次读书会聚焦于图神经网络与算法神经化求解的相关领域，我们将邀请一些业内专家分享他们在这些领域的最新研究成果。通过这次读书会，我们希望能够激发与会者的学术兴趣，进一步推动图神经网络与算法神经化求解领域的研究和应用发展。此外，我们还将探讨GNN在实际问题中的应用案例，以及如何将理论研究成果转化为实际应用，以帮助参会者更好地理解和掌握图神经网络在实际场景中的应用。
[[文件:图神经网络与组合优化读书会安排.png|居中|缩略图|600x600像素|图神经网络与组合优化读书会安排]]
==[https://pattern.swarma.org/study_group/27 城市科学]==
本次读书会，我们聚焦城市科学中的三个重要主题，对“城市作为复杂系统”的理论基础、研究方法及实践应用进行分享、讨论和梳理。
第一个主题是“复杂系统视角下的城市科学”。我们将讨论城市要素空间分布与交互的研究进展，并追溯这些模型与经典城市模型的联系；以标度律为切入点，讨论城市的规模法则及其在城市增长、创新等方面的体现；结合空间网络理论，讨论城市中的信息熵、城市空间认知与导航复杂度等新兴研究方向。
第二个主题是城市科学中的AI。我们将讨论城市背景下的地理人工智能方法与模型，介绍CNN、GNN、RNN、Generative model、Transformer等主流AI框架与地理空间分析方法的内在联系；讨论AI模型辅助理解城市内社会经济、自然环境等特征的空间分布模式，以及人类移动性、交通等空间交互模式的潜力；并归纳领域挑战，涉及城市场景下AI的可解释性，时空规律的弱可复现性、伦理和隐私问题等。
第三个主题是城市科学中的因果性。我们将以因果假设和因果实验为主线展开城市科学视角下的因果论讨论；从Randomized controlled trial (RCT)的角度重新思考因果发现的基本假设，讨论城市科学视角下因果发现的框架、假设、策略、方法和模型，以及城市政策与因果发现的联系；讨论城市科学视角下因果推断的框架、假设、策略、方法和模型，以及城市中跨尺度的因果不变性和相变特性。
[[文件:城市科学读书会安排.png|居中|缩略图|600x600像素|城市科学读书会安排]]