内容摘要：人类进行科学发现研究存在的局限性，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。科学发现的理论部分包含了从数据到模型和从模型再到数据的循环，本讲座将介绍这两个方向面临的挑战及研究进展；特别地，报告将介绍与前者相关的AI-Newton，以及后者与后者相关的LOCA-R。

报告人简介：马滟青，北京大学物理学院博雅特聘教授。2006年在武汉大学获得本科学位；2011年在北京大学获得博士学位；2011-2015年先后在美国布鲁克海文国家实验室和马里兰大学进行博士后研究；2015年至今在北京大学工作。研究兴趣包括量子场论方法、标准模型精确检验、色禁闭与强子化机制、物理与人工智能等，并在重夸克偶素产生机制、质子结构、费曼积分求解方法、对撞机物理等具体问题上做出了系列国际领先的工作。在学术期刊共发表论文70余篇。2023年获国家杰出人才基金支持，2024年因“费曼积分的研究推动粒子物理发展”被授予陈嘉庚青年科学奖。