11月14日上午，计算机学院在第二教学楼开展第一期“计星启程”师生面对面交流活动，本次活动邀请计算机学院助理教授陈国璋老师与多位研究生面对面深入交流，计算机学院团委书记于丹、李胤君一同参加。

第一期“计星启程”师生面对面活动合影

交流中，师生首先就类脑计算的最新进展与挑战、硬件与算法的关系、类脑计算硬件在边缘计算加速器等领域的潜在应用场景进行了深入探讨。陈国璋老师指出，硬件实现受到材料理化性质的限制，通过AI for Science方法可以设计出更加符合需求的材料，从而推动类脑计算的发展，尤其强调理论与实践相结合的重要性，建议从解决实际问题入手，再逐步深入模仿大脑机制，鼓励学生应关注最具挑战性的科学问题，将传统学科的知识与现代AI技术相结合，以期超越现有研究水平。随后，陈国璋老师分享从物理专业转向类脑计算研究的经历与研究生培养和研究方向选择的宝贵经验，建议研究生应专注于自身研究领域的深入挖掘，同时适当拓展知识面，保持一定的探索精神，不仅掌握扎实的专业知识，还具备跨学科合作的能力，勇于尝试新的研究方法和技术，不断突破自我。

陈国璋老师与学生们亲切交流

经过深入的交流与探讨，参与访谈的师生均表示深受启发，今后愿增进沟通与交流，共同推动类脑计算及相关领域的研究与发展。

学生感想：

集成电路学院2021级博士　岳文硕同学：

本次访谈活动超级有趣，我们从陈老师那里学到了很多类脑计算前沿知识以及做科研的方法。通过本次活动，我更加深入地了解到了当前类脑智能发展的机遇和挑战，开阔了进行交叉学科科研的思路。感谢组织活动的老师同学们，感谢陈老师的耐心指导与解答！

计算机学院2023级硕士　李俊哲同学：

在与陈老师的访谈活动中，我收获颇丰。首先，我与物理背景出身的陈老师深入交流了如何在AI for Science这一交叉领域中找到合适的研究切入点，并通过系统化的方法开展科研工作。陈老师强调了跨学科合作与创新思维的重要性， 了结合物理学原理与人工智能技术进行科学研究的广阔前景。其次，陈老师分享了自己从事交叉学科科研的经验，谈到在科研过程中如何克服挑战，解决不同领域之间的知识壁垒，并展望了AI for Science未来的潜力，特别是在数据驱动的科学发现和优化模型方面。最后，我与陈老师深入探讨了AI在流体力学领域的应用现状，以及流体力学在类脑计算神经元的建模方法，进一步明确了AI在推动科学发现中的关键作用。此次访谈让我对AI在科学研究中的应用有了更为清晰的认识，也激发了我对该领域未来发展的兴趣和思考。感谢组织活动的老师同学们，也感谢陈老师的倾心分享和解答！

计算机学院2024级博士　邓涵之同学：

在这次访谈中，陈老师给了我们很多学习方法以及研究方向上的建议。我们了解到一个博士研究生不仅仅应当在自己的细分领域深挖，也应当花一点精力到细分领域之外的地方，并且陈老师也给出了很多切实可行的建议。在研究方向的问题上，陈老师也教会了我们计算机领域的博士生该如何在AI4science大火的时代，寻找自己的研究领域，对我启发很大。感谢陈老师的细心解答，也感谢学院能够组织这次活动。

部分精选师生对话：

岳文硕同学：陈老师，目前的类脑计算硬件更多采用从底向上的研究方法，而从计算角度出发的类脑计算则更接近于从顶向下的设计方法，在开发类脑计算硬件时是否有更多借鉴算法的机会？

陈国璋老师：类脑计算硬件有时受制于新器件的理化性质和工程实现，不一定非常易于实现每一种算法中所提出的功能。未来可以尝试借助AI for science的方法来设计满足所需功能的材料体系，提供更加全面的硬件基础，用于实现功能丰富的类脑计算。

岳文硕同学：类脑计算领域更合适的发展路径是怎样的，是更应该致力于模仿大脑，还是应该更注重使用类脑计算解决实际问题呢？

陈国璋老师：目前更适合利用类脑计算的方法来解决实际问题。首先从大脑机制中提取出相应的类脑计算模型，并开发出其中的数学机制。可以基于这些数学机制，建立解决实际问题的框架。可以类比飞机的开发过程，人们首先从自然界的飞行行为中提炼出空气动力学知识，然后基于空气动力学知识开发出最合适的飞机形态，而非一味模仿自然界中鸟类的飞行模式。

岳文硕同学：目前类脑计算硬件有什么更合适的应用场景？

陈国璋老师：使用硬件直接构建大脑的数字孪生本身较为困难，而现阶段更适合瞄准应用实现neuromorphic computing加速器，能够在边缘侧以很低的功耗实现学习和推理任务。

李俊哲同学：在AI for Science交叉领域中，应该如何找到合适的研究切入点？对于计算机背景的同学是否应该更关注算法和模型设计？

陈国璋老师：在AI for Science领域，首先要关注的是科学研究中最具挑战性的问题。通过将物理学、生物学等传统学科的理论与现代AI技术结合，可以有效突破现有的研究瓶颈，达到比第一性原理更好的结果。计算机背景的研究生应该结合自己的兴趣所在，未必是关注AI算法本身，如果对科学问题感兴趣，利用AI作为工具进行一些科学发现，是十分有意义的研究。

李俊哲同学：陈老师，您是物理专业出身，我之前做过AI与流体力学的结合，主要是气泡动力学方面，您是否对这方面有了解呢？

陈国璋老师：有过一些了解，像湍流问题、NS方程，一直都是科学研究非常有挑战性的问题。另外，在类脑计算方面，我们最近也在探索用流体力学的方法建模神经元。我们研究中发现对于有一些生物大脑的活动，会形成特定的波，例如平面波、螺旋波等等，我们希望能够探索到一组方程用于描述神经元的场的变化规律，这一方向具有巨大的潜力！

邓涵之同学：陈老师好，我想提一个和学习方法有关的问题。平时我和优秀的博士生或是和老师交流，我发现他们的知识面都非常广，但是在我进行研究的时候，我的视野往往会局限于当前正在研究的小领域，请问如何平衡这两者之间的关系？

陈国璋老师：很高兴能有同学考虑到知识广度的问题，实际上在我看来博士生应该把95%甚至是99%的时间用到细分领域的深挖上，但是我觉得花费1%-5%的时间增加知识的广度还是很有必要的。这就好比是强化学习，智能体需要进行一定比例的探索，不能总是走局部最优。

“计星启程”师生面对面交流活动

通过采访计算机学院2024年新入职教师，宣传展示新入职老师的研究方向与科研成果，帮助广大学生了解学院新入职教师们的科研方向及亮点，方便学生自主科学地选择课程及导师，坚定科研方向。同时进一步加强年轻教师与学生们的沟通，形成学-研-教融合的有机体系，助力学院学科建设高质量发展。

文案：彭亦男

审核：于丹 李胤君