11月14日上午，beat365在第二教學樓開展第一期“計星啟程”師生面對面交流活動，本次活動邀請beat365助理教授陳國璋老師與多位研究生面對面深入交流，beat365團委書記于丹、李胤君一同參加。

第一期“計星啟程”師生面對面活動合影

交流中，師生首先就類腦計算的最新進展與挑戰、硬件與算法的關系、類腦計算硬件在邊緣計算加速器等領域的潛在應用場景進行了深入探讨。陳國璋老師指出，硬件實現受到材料理化性質的限制，通過AI for Science方法可以設計出更加符合需求的材料，從而推動類腦計算的發展，尤其強調理論與實踐相結合的重要性，建議從解決實際問題入手，再逐步深入模仿大腦機制，鼓勵學生應關注最具挑戰性的科學問題，将傳統學科的知識與現代AI技術相結合，以期超越現有研究水平。随後，陳國璋老師分享從物理專業轉向類腦計算研究的經曆與研究生培養和研究方向選擇的寶貴經驗，建議研究生應專注于自身研究領域的深入挖掘，同時适當拓展知識面，保持一定的探索精神，不僅掌握紮實的專業知識，還具備跨學科合作的能力，勇于嘗試新的研究方法和技術，不斷突破自我。

陳國璋老師與學生們親切交流

經過深入的交流與探讨，參與訪談的師生均表示深受啟發，今後願增進溝通與交流，共同推動類腦計算及相關領域的研究與發展。

學生感想：

集成電路學院2021級博士　嶽文碩同學：

本次訪談活動超級有趣，我們從陳老師那裡學到了很多類腦計算前沿知識以及做科研的方法。通過本次活動，我更加深入地了解到了當前類腦智能發展的機遇和挑戰，開闊了進行交叉學科科研的思路。感謝組織活動的老師同學們，感謝陳老師的耐心指導與解答！

beat3652023級碩士　李俊哲同學：

在與陳老師的訪談活動中，我收獲頗豐。首先，我與物理背景出身的陳老師深入交流了如何在AI for Science這一交叉領域中找到合适的研究切入點，并通過系統化的方法開展科研工作。陳老師強調了跨學科合作與創新思維的重要性， 了結合物理學原理與人工智能技術進行科學研究的廣闊前景。其次，陳老師分享了自己從事交叉學科科研的經驗，談到在科研過程中如何克服挑戰，解決不同領域之間的知識壁壘，并展望了AI for Science未來的潛力，特别是在數據驅動的科學發現和優化模型方面。最後，我與陳老師深入探讨了AI在流體力學領域的應用現狀，以及流體力學在類腦計算神經元的建模方法，進一步明确了AI在推動科學發現中的關鍵作用。此次訪談讓我對AI在科學研究中的應用有了更為清晰的認識，也激發了我對該領域未來發展的興趣和思考。感謝組織活動的老師同學們，也感謝陳老師的傾心分享和解答！

beat3652024級博士　鄧涵之同學：

在這次訪談中，陳老師給了我們很多學習方法以及研究方向上的建議。我們了解到一個博士研究生不僅僅應當在自己的細分領域深挖，也應當花一點精力到細分領域之外的地方，并且陳老師也給出了很多切實可行的建議。在研究方向的問題上，陳老師也教會了我們計算機領域的博士生該如何在AI4science大火的時代，尋找自己的研究領域，對我啟發很大。感謝陳老師的細心解答，也感謝學院能夠組織這次活動。

部分精選師生對話：

嶽文碩同學：陳老師，目前的類腦計算硬件更多采用從底向上的研究方法，而從計算角度出發的類腦計算則更接近于從頂向下的設計方法，在開發類腦計算硬件時是否有更多借鑒算法的機會？

陳國璋老師：類腦計算硬件有時受制于新器件的理化性質和工程實現，不一定非常易于實現每一種算法中所提出的功能。未來可以嘗試借助AI for science的方法來設計滿足所需功能的材料體系，提供更加全面的硬件基礎，用于實現功能豐富的類腦計算。

嶽文碩同學：類腦計算領域更合适的發展路徑是怎樣的，是更應該緻力于模仿大腦，還是應該更注重使用類腦計算解決實際問題呢？

陳國璋老師：目前更适合利用類腦計算的方法來解決實際問題。首先從大腦機制中提取出相應的類腦計算模型，并開發出其中的數學機制。可以基于這些數學機制，建立解決實際問題的框架。可以類比飛機的開發過程，人們首先從自然界的飛行行為中提煉出空氣動力學知識，然後基于空氣動力學知識開發出最合适的飛機形态，而非一味模仿自然界中鳥類的飛行模式。

嶽文碩同學：目前類腦計算硬件有什麼更合适的應用場景？

陳國璋老師：使用硬件直接構建大腦的數字孿生本身較為困難，而現階段更适合瞄準應用實現neuromorphic computing加速器，能夠在邊緣側以很低的功耗實現學習和推理任務。

李俊哲同學：在AI for Science交叉領域中，應該如何找到合适的研究切入點？對于計算機背景的同學是否應該更關注算法和模型設計？

陳國璋老師：在AI for Science領域，首先要關注的是科學研究中最具挑戰性的問題。通過将物理學、生物學等傳統學科的理論與現代AI技術結合，可以有效突破現有的研究瓶頸，達到比第一性原理更好的結果。計算機背景的研究生應該結合自己的興趣所在，未必是關注AI算法本身，如果對科學問題感興趣，利用AI作為工具進行一些科學發現，是十分有意義的研究。

李俊哲同學：陳老師，您是物理專業出身，我之前做過AI與流體力學的結合，主要是氣泡動力學方面，您是否對這方面有了解呢？

陳國璋老師：有過一些了解，像湍流問題、NS方程，一直都是科學研究非常有挑戰性的問題。另外，在類腦計算方面，我們最近也在探索用流體力學的方法建模神經元。我們研究中發現對于有一些生物大腦的活動，會形成特定的波，例如平面波、螺旋波等等，我們希望能夠探索到一組方程用于描述神經元的場的變化規律，這一方向具有巨大的潛力！

鄧涵之同學：陳老師好，我想提一個和學習方法有關的問題。平時我和優秀的博士生或是和老師交流，我發現他們的知識面都非常廣，但是在我進行研究的時候，我的視野往往會局限于當前正在研究的小領域，請問如何平衡這兩者之間的關系？

陳國璋老師：很高興能有同學考慮到知識廣度的問題，實際上在我看來博士生應該把95%甚至是99%的時間用到細分領域的深挖上，但是我覺得花費1%-5%的時間增加知識的廣度還是很有必要的。這就好比是強化學習，智能體需要進行一定比例的探索，不能總是走局部最優。

“計星啟程”師生面對面交流活動

通過采訪beat3652024年新入職教師，宣傳展示新入職老師的研究方向與科研成果，幫助廣大學生了解學院新入職教師們的科研方向及亮點，方便學生自主科學地選擇課程及導師，堅定科研方向。同時進一步加強年輕教師與學生們的溝通，形成學-研-教融合的有機體系，助力學院學科建設高質量發展。

文案：彭亦男

審核：于丹 李胤君