人工智能赋能科学与工程已有一段日子了，效果如何？

    人工智能技术三大主义（符号、连接、行为），谁与争锋？

    人类的认知过程是从数据、信息、知识到智慧螺旋上升的，数据驱动的人工智能在这段时间已明显发现短板，数据和物理规律、数据与模型、物理信息神经网络等等旨在知识和数据双驱动的人工智能被提上日程。

    但知识与数据如何双驱动属于探索的“前沿”。在数据集、特征工程、激活函数、网络结构（比如，约束条件，网络参数）、损失函数等等位置都可以考虑，在数据集（大数据的生产）和损失函数两个地方比较容易，文献和计划颇多。但在特征工程、激活函数、网络结构等方面却不容易，用唯象模型的话算法的泛化能力很难让人值得期待。

    从哈密顿量（量子力学和牛顿力学都适用）“根知识”出发在特征工程、激活函数、网络结构等方面进行人工智能算法设计，难度有点大。但它却符合人工智能数据、任务、架构的算法逻辑，可解释性和泛化能力不是问题。

    2022跳入“智能计算材料”这个领域，从哈密顿量“根知识”出发在特征工程、激活函数、网络结构等方面进行人工智能算法设计的底层思考与逻辑架构已论证完成。现在亟待数学和算法等软件背景的有志者一起干（代码化、工具化），这是一个需要协同才能完成的任务！

    欢迎交流探讨：bht0089@tmslab.cn