1

课程概论

对整门课提纲挈领的总述，从更高的高度统一介绍本课程涉及的领域、重要性及前沿。并简要介绍本课的课程论文要求、成绩评定等。

2026/3/6

2

深度学习前沿

介绍深度学习的基础知识、神经网络架构、学习范式的总论。

2026/3/13

3

生成模型前沿

介绍生成模型（扩散模型、流模型等）以及它们在图像生成、决策、科学智能领域等的前沿应用。

2026/3/20

4

大模型

首先介绍Transformer架构，接下来介绍大模型的主要分支，包括BERT、GPT等以及研究前沿。

2026/3/27

5

基于多智能体的AI科学家, vibe coding及实践

介绍基于multi-agent的AI科学家、vibe coding，并让学生通过实践学习。

2026/4/3

6

强化学习概论

从最基本概念开始，介绍强化学习基础。

2026/4/10

7

课程项目设计（1）

每个分组项目介绍自己项目的研究问题、重要性、难点以及提出的主要创新点。每个项目介绍完后，为问答环节与老师点评。

2026/4/17

8

课程项目设计（2）

每个分组项目介绍自己项目的研究问题、重要性、难点以及提出的主要创新点。每个项目介绍完后，为问答环节与老师点评。

2026/4/24

9

强化学习进阶

介绍深度强化学习的前沿算法以及在各领域的应用研究前沿。

2026/5/8

10

图神经网络前沿

本专题首先简要介绍图神经网络的基本概念。接下来，介绍三类重要的图神经网络，包括GCN、EGNN和GNS，以及其在图分类、小分子和蛋白质、物理模拟中的重要应用。最后，介绍图神经网络的理论和应用研究前沿。

2026/5/9

11

演化机器学习及多目标优化

首先介绍演化机器学习和多目标优化的基本概念、主要方法以及研究前沿。接下来，介绍其在复杂工程系统的优化中的重要应用，包括喷气发动机，空中客车机体设计，多机器人自组织等。

2026/5/15

12

AI + 生命科学

本专题将介绍AI与生命科学交叉的学科前沿。包括AI用于小分子和蛋白质的结构预测、功能预测以及分子设计，以及AI用于基因组和细胞中的预测和机理发现。对于以上领域，将介绍其领域主要问题、主要AI方法、其局限性以及研究前沿。

2026/5/22

13

AI + 科学计算

本专题将介绍AI与科学计算交叉的学科前沿。首先，将介绍偏微分方程的基础，以及简要介绍传统数值方法。接下来，介绍深度学习用于模拟偏微分方程的基本范式，以及主要技术：神经算子、基于图仿真、ViT等。最后，介绍领域的研究前沿。

2026/5/29

14

Science for AI

本专题将介绍不同的科学领域（物理、数学、神经科学等）对AI的概念、技术的启发和奠基工作。

2026/6/5

15

课程项目汇报与讨论（1）

每个分组项目做项目的结题报告。每个项目介绍完后，为问答环节与老师点评。

2026/6/12

16

课程项目汇报与讨论（2）

每个分组项目做项目的结题报告。每个项目介绍完后，为问答环节与老师点评。

2026/6/24