推动AI与基础科学融合,第二届世界科学智能大赛圆满收官

简介: 推动AI与基础科学融合,第二届世界科学智能大赛圆满收官


近日,上海科学智能研究院(下称“上智院”)与复旦大学联合主办、阿里云天池协办的第二届世界科学智能大赛圆满落幕。赛事今年共迎来全球24个国家和地区的12687名选手参与,最终30支决赛队伍齐聚总决赛现场,经过现场答辩交流,各个队伍充分展示AI与基础学科融合带来的成果创新,决胜出最终的获奖团队。


57eaa60af3843159b7b258ba6259cebd.png


五大赛道,增设选题空间


今年大赛进行了创新升级,共设立生命科学、地球科学、物质科学、社会科学、逻辑推理等五大赛道。作为社会科学赛道“市场博弈和价格预测”的出题人,复旦大学校长助理、上智院理事长吴力波表示,本次赛题选择了电力市场,这一场景当中,既有新能源厂商的参与,也有传统的火力发电,既有金融市场的交易特点,也有很多物理学科的特征,这是一个典型的复杂系统。这一赛题旨在启发选手挖掘电力价格形成的背后规律,探究多主体博弈带来的供需特点,有助于电力市场的平衡稳定,进而以数字化手段加速可持续发展的转型。


检索增强搜索,创新解题思路


创新不仅体现在赛题设置中,在选手答题的过程中,也涌现出很多富有新意的思路。此次大赛物质科学赛道评委、复旦大学人工智能创新与产业研究院研究员徐盈辉对选手的方案印象深刻:“由于催化反应数据通常伴随着较大的噪声和关键反应条件信息的缺失,这增加了赛题的难度。尽管如此,选手们通过创新的方法应对这些挑战,比如物质科学赛道第一名队伍ZW在催化反应产率预测任务中,创新地使用了检索增强预测,通过评估当前检索的反应与目前训练集中数据的相似性,来判定使用模型预测值或者数据检索值作为最终的预测结果。这一创新思路了让这支队伍在竞赛中取得了优异的成绩。”


高中生组团参赛,别具新意的研究过程


此次赛事还吸引了20多位来自上海顶尖高中的高中生首次组团参赛。其中,来自上海市嘉定区第一中学的高三学生李竞然,是此次晋级地球科学赛道复赛的919团队队长,虽然没有获奖,但他很看重研究的过程,“通过不同网络架构的嵌套叠加,我们尝试建立智能跨域、多尺度、精准的气象体系,让更精准预警成为可能。”李竞然觉得,大赛是一次难忘的学习之旅,其中不乏团队协作与创新思维,让他增加了投身科学研究的信心和决心。


基于赛事创新,今年上智院与阿里云联合开发了全新的上智院·天池平台,通过全新平台为全球参赛者提供更好的推理应用支持。未来大赛官方将结合上智院、阿里云等多方在算力、科研能力、产学研链接方面的优势,推进更多科学智能领域的专家学者进行深入交流与切磋。


完整获奖名单如下👇

fcaa739cd26c4306c527f4bb31aaebb6.png


/ END /

目录
相关文章
|
4月前
|
人工智能 运维 监控
聚焦“AI+运维”深度融合,龙蜥系统运维联盟 MeetUp 圆满结束
现场 40 多位开发者进行了深入的技术交流,探索 AI 与运维深度融合的未来路径。
|
2月前
|
机器学习/深度学习 人工智能 算法
一个大学生AI大赛题目
科研团队已经收集了一批货物的视觉图像数据,这些数据包含了货物的二维图像以及对应的真实形状标签。本体数据集包含2 个文件:gallery.csv 和queries.csv,以及对应的2个文件夹
131 23
|
2月前
|
存储 人工智能 达摩院
|
3月前
|
人工智能
【千问海报大赛·地方风物】创意征集令!用AI解锁家乡新名片,万元奖金等你来战!
用Qwen-Image打破常规!将家乡的地标、方言、美食或热梗,通过错位混搭(赛博山水×古风建筑?霓虹城市×传统小吃?)或风格化创作(复古卡通、漫画方言…)焕发全新视觉冲击力!
195 10
|
2月前
|
存储 人工智能 关系型数据库
阿里云AnalyticDB for PostgreSQL 入选VLDB 2025:统一架构破局HTAP,Beam+Laser引擎赋能Data+AI融合新范式
在数据驱动与人工智能深度融合的时代,企业对数据仓库的需求早已超越“查得快”这一基础能力。面对传统数仓挑战,阿里云瑶池数据库AnalyticDB for PostgreSQL(简称ADB-PG)创新性地构建了统一架构下的Shared-Nothing与Shared-Storage双模融合体系,并自主研发Beam混合存储引擎与Laser向量化执行引擎,全面解决HTAP场景下性能、弹性、成本与实时性的矛盾。 近日,相关研究成果发表于在英国伦敦召开的数据库领域顶级会议 VLDB 2025,标志着中国自研云数仓技术再次登上国际舞台。
332 0
|
3月前
|
存储 人工智能 分布式计算
数据不用搬,AI直接炼!阿里云AnalyticDB AI数据湖仓一站式融合AI+BI
阿里云瑶池旗下的云原生数据仓库AnalyticDB MySQL版(以下简称ADB)诞生于高性能实时数仓时代,实现了PB级结构化数据的高效处理和分析。在前几年,为拥抱大数据的浪潮,ADB从传统数仓拓展到数据湖仓,支持Paimon/Iceberg/Delta Lake/Hudi湖格式,为开放的数据湖提供数据库级别的性能、可靠性和管理能力,从而更好地服务以SQL为核心的大规模数据处理和BI分析,奠定了坚实的湖仓一体基础。
|
4月前
|
机器学习/深度学习 人工智能 自动驾驶
AI Agent多模态融合策略研究与实证应用
本文从多模态信息融合的理论基础出发,构建了一个结合图像与文本的AI Agent模型,并通过PyTorch代码实现了完整的图文问答流程。未来,多模态智能体将在医疗、自动驾驶、虚拟助手等领域展现巨大潜力。模型优化的核心是提升不同模态的协同理解与推理能力,从而打造真正“理解世界”的AI Agent。
AI Agent多模态融合策略研究与实证应用
|
3月前
|
机器学习/深度学习 人工智能 Java
Java 技术支撑下 AI 与 ML 技术融合的架构设计与落地案例分析
摘要: Java与AI/ML技术的融合为智能化应用提供了强大支持。通过选用Deeplearning4j、DJL等框架解决技术适配问题,并结合Spring生态和JVM优化提升性能。在金融风控、智能制造、医疗影像等领域实现了显著效果,如审批效率提升3倍、设备停机减少41%、医疗诊断延迟降低80%。这种技术融合推动了多行业的智能化升级,展现了广阔的应用前景。
260 0
|
3月前
|
人工智能 自然语言处理 Java
面向 Java 开发者:2024 最新技术栈下 Java 与 AI/ML 融合的实操详尽指南
Java与AI/ML融合实践指南:2024技术栈实战 本文提供了Java与AI/ML融合的实操指南,基于2024年最新技术栈(Java 21、DJL 0.27.0、Spring Boot 3.2等)。主要内容包括: 环境配置:详细说明Java 21、Maven依赖和核心技术组件的安装步骤 图像分类服务:通过Spring Boot集成ResNet-50模型,实现REST接口图像分类功能 智能问答系统:展示基于RAG架构的文档处理与向量检索实现 性能优化:利用虚拟线程、GraalVM等新技术提升AI服务性能 文
378 0

热门文章

最新文章

下一篇
oss云网关配置