Hi~不知道你是怎么发现了这个页面。或许你也是一个学物理的同学，亦或是对计算机/电子设备同样感兴趣，不管怎么样，我想我都可以向你介绍一下我自己。

从梦中来

与许多人一样，18岁前的经历并没有很多值得分享的地方。我只记得我对数学和物理很感兴趣，还拿几天用来参加了一下竞赛（尽管只拿到了省二就是了）。

尽管22年高考卷子非常“创新”，发挥也不尽人意，强基考试也仅差了0.3分，与梦校擦肩而过。Anyway，我仍然庆幸，至少我保留了选择的权利——我选择了交大的物院，准确的说是数物院联办的理科实验班。

我认识的物理

19岁，大一，经过数分和高代的洗礼，我觉得我确实不太适合学数学，遂分流至物院。在这里，我逐渐接触到Matlab，Python，C等语言以及Comsol等软件。尽管大部分仅停留在数值分析课程的水平，不过我还是获得了使用它们来完善物理直观的自信——我们队伍获得了22年数模国赛的全国一等奖。

什么是物理呢？从24年诺贝尔奖颁给了Hinton和Hopfield就可以知道，物理的边界在不断拓宽，过去的传统的学科定义不再能局限物理的范畴。不过23年的我还不能预知诺贝尔奖的得主，我只是单纯地通过数学建模比赛获得了以下认知：

“相比于数学建模，物理建模同样将现象抽象为数学语言，只不过，物理学家们更关注原理到现象的阐释与运用，并且不吝于实验方面的精力。广泛地说，生活中的一切均是物理。从不同的原理出发，物理学家们有自信建立起对各种现象的阐释，尽管可能是唯象的、片面的。”

我的兴趣

大一顺便完成了致远荣誉计划的选拔，我在这里遇到了很多很厉害且志同道合的同学。我在大二大三尝试了天文、粒子物理、激光核物理以及与机器学习的结合。AI4Science的确是非常有前途的方向，通过AI可以实现对过去数据处理方式的高位替代。这个领域除了应用的工程问题，可解释性同样是一个重要的困难。尽管物理学家可能不在意”why it works so well”，我也不太在意，不过许多重要的领域是不放心让“黑盒子”来完全代替人类的智慧。

相比于本次诺贝尔奖的”Science4AI”，AI4Science将Science作为AI主体的客体，这是偏离物理初衷的，所以至此为止，机器学习也只是物理领域的Tools，而并不是“物理学家”，甚至不是“数据科学家”。Science4AI旨在用Science研究AI的现象，这更符合物理的定义。用物理定律类比神经网络的某些行为特征，甚至是自己发展一套“神经网络动力学”的学说，才符合我对Science4AI的印象。

凭借较多的实践经验和一定的编程能力，我对AI4Science有着广泛的涉猎——在张江实验室《基于强化学习处理电子群运动的高维参数空间预测问题》，致远学者计划《基于时序神经网络对物理时序数据的处理》，ICF高级专业研修课项目《基于迁移学习对极少实验数据的拟合》。我对AI帮助物理实验或计算落地有着一定的兴趣，尽管做的多了，不免觉得这就是反复的工程问题。我依然对Science4AI抱着极强的好奇，虽然我知道这方面的数学物理要求已经超出了我的能力。