AI4Science | 2025 X智能大会 & 第18届中国R会议
发布时间：2025-09-17浏览量：
2025 X 智能大会暨第18届中国R会议将于2025年10月17日至19日在北京会议中心举行。本次会议聚焦大模型技术的前沿进展，及其在各领域的创新探索与实际应用。会议内容涵盖蒙特卡洛视角下的AI革命、扩散大语言模型、多模态理解与生成、Agent形态演变、Agent产业应用、大模型基础理论、AI4Science、具身智能、生物医药统计与大模型、AI赋能健康统计等重要方向。
欢迎访问以下链接或扫描二维码，报名本次会议！
链接：https://www.x-agi.cc/register.html
二维码：
会场主题
本会场主席为 许洪腾。本次会议邀请四位嘉宾探讨人工智能在科学发现（AI4Science）领域的最新研究进展。具体而言，将分别介绍基于最优传输与梯度流的分子构象优化、自监督学习在生命科学与药物发现中的应用、几何深度学习与大模型驱动的药物发现，以及基于3D分子预训练大模型的分子设计等前沿探索。
会场内容
An SE(3)-Transformer for Molecular Conformation Optimization Driven by Wasserstein Gradient Flows
许洪腾
嘉宾简介：
议题简介:
Predicting molecular ground-state conformation (i.e., energy-minimized conformation) is crucial for many chemical applications such as molecular docking and property prediction. Classic energy-based simulation is time-consuming when solving this problem, while existing learning-based methods have advantages in computational efficiency but sacrifice accuracy and interpretability. In this work, we propose a novel and effective method to bridge the energy-based simulation and the learning-based strategy, which designs and learns a Wasserstein gradient flow-driven SE(3)-Transformer, called WGFormer, for ground-state conformation prediction. Specifically, our method tackles this task within an auto-encoding framework, which encodes low-quality conformations by the proposed WGFormer and decodes corresponding ground-state conformations by an MLP. The architecture of WGFormer corresponds to Wasserstein gradient flows -- it optimizes conformations by minimizing an energy function defined on the latent mixture models of atoms, thereby significantly improving performance and interpretability. Extensive experiments demonstrate that our method consistently outperforms state-of-the-art competitors, providing a new and insightful paradigm to predict ground-state conformation.
Self-Supervised Learning Empowers Scientific Discovery in Life Science and Drug Discovery
兰艳艳
嘉宾简介：
AI驱动的药物发现：几何深度学习与大模型的前沿探索
魏哲巍
嘉宾简介：
魏哲巍，中国人民大学高瓴人工智能学院副院长，教授，博导。入选国家高层次青年人才，担任新一代智能搜索与推荐教育部工程研究中心副主任。2008年本科毕业于北京大学数学科学学院，2012年博士毕业于香港科技大学计算机系。研究方向为图计算与图学习、数据流算法与学习。在SIGMOD、KDD、ICML、STOC等会议及期刊发表论文100余篇，获得PODS2022时间检验奖、2023年世界人工智能大会青年优秀论文提名奖、VLDB2024最佳论文提名奖。主持自然科学基金重点项目、科技部新一代人工智能国家科技重大专项课题。担任IEEE TPAMI编委、FCS青年编委；担任PODS、ICDT等会议论文集主席以及ICML、NeurIPS、ICLR等会议领域主席；担任琶洲实验室（黄埔）青年科学家。培养博士生获百度奖学金、微软学者、CCF优博等奖项。
议题简介：
基于Uni-Mol的分子设计
高志锋
嘉宾简介：
高志锋，2015年本科毕业于南京工业大学，2018年硕士毕业于北京大学软件与微电子学院，毕业后在微软亚洲研究院机器学习组工作多年，主要研究方向为生成式对话学习、数据挖掘以及AI4S相关算法的研发落地，曾带领团队开发出新冠传播预测最准模型，获得CDC官方认可。现就职于北京深势科技有限公司担任AI算法负责人，负责深势科技相关AI for Science算法的研发和落地，包括分子、材料预训练大模型的研发以及在垂直领域的应用，AI在材料与工艺优化与表征建模的应用等。
近年来主要从事小分子表征学习、预训练、分子设计相关的研究和落地，带领团队研发出首个分子3D预训练大模型Uni-Mol，其在属性预测、构象生成、分子蛋白结合位点预测等重要下游任务上取得最佳性能，并且把Uni-Mol拓展到药物、材料、电池、化工等领域，形成多种基于AI的工业级别解决方案和成功的企业落地案例；作为核心主导多项高校、科研机构关键项目攻坚合作，以第一作者或通讯作者在Nature Communication；Nature Computational Science; ICLR; NeurIPS; ICML; ICDE 等顶级期刊会议上发表多篇论文，作为第一负责人主持以及参与多项相关省部级科技项目，作为核心人员获得第二届“祖冲之奖”-人工智能前沿创新奖，Kaggle GrandMaster，共获得国内、国际顶级数据挖掘比赛冠军九项。
议题简介:
近年来，AI基座模型驱动的分子设计在生物医药、能源化工、功能材料等等领域取得了非常多显著的进展，Uni-Mol作为首个3D分子预训练大模型，也在多领域赋能AI for Science，整体围绕以下几点进行介绍： 1. 分子基座模型的现状和发展； 2. 基于Uni-Mol的分子设计整体框架； 3. 案例介绍（工业界、学术界等等）。
关于会议
本次大会由中国人民大学应用统计科学研究中心、中国人民大学统计学院、统计之都与中国商业统计学会人工智能分会主办，中国人民大学健康大数据研究院协办，并获得明汯投资、宽德投资、Will和Quantverse(数启寰宇)的赞助支持。我们诚挚邀请您来参会，共话智能技术发展前沿！
更多日程信息，详见会议通知：2025 X智能大会 & 第18届中国R会议通知
欢迎进入2025 X智能大会 & 第18届中国R会议官网，获取更多会议信息！
链接：https://www.x-agi.cc/index.html
二维码：
联系方式
-
公众号：统计之都
-
会议邮箱：xagi-2025@cosx.org
