始于堵车的核聚变研究华人科学家借物理改进AI
2016年，洛杉矶。刚到美国不久的Rose正在南加州大学（USC）读博。
那座城市最著名的不是好莱坞，而是堵车。学校旁边就是I-10和I-110高速交汇处，去哪儿都要先挤进车流。
有一天，她望着眼前缓慢移动的红色刹车灯，不禁思考：既然AI能识别图像中的猫，那为什么不能预测车流什么时候会缓解？
她不是第一个想让AI预测交通的人，但她的切入点不同——没有直接用现成的深度学习模型，而是引入了她从小痴迷的领域：物理。
10岁生日时，她的叔叔送她一台电脑。在当时的中国，这并不常见。
她先是用来打游戏，后来又学起了网页设计，还在中学时赢得了她人生第一个技术奖项。
她喜欢构建系统、预测结果、控制变量。与别人用数学公式解题不同，她更想知道这些公式背后的原理。
本科，她去了浙江大学，读的是计算机。但物理的思维方式始终没离开过她。
到了博士阶段，她终于将计算机与物理结合：利用物理规则训练神经网络，让AI不仅计算快，还能更贴近现实世界的运行方式。
这项跨界探索的第一个成果，直接进了谷歌Maps。
该成果把城市交通建模成一个“图”，每个传感器是一个节点，道路是连接它们的边，车流就像水一样在城市中扩散。
不同于传统图像识别，这是一个融合“物理视角”的时间建模过程。
最终，她的模型将交通预测窗口从15分钟拓展到整整1小时，并被谷歌正式部署，她本人也因此受邀成为谷歌的访问研究员。
而她的研究并未止步于交通，这第二个战场，是风暴和海洋。
2018年，在劳伦斯伯克利国家实验室的一场演讲中，一位科学家问她：能不能用你的方法来预测湍流？
湍流，是气候建模里最棘手的部分。它代表着不规则的流动，以及难以预测的变化。
传统上，物理学家使用Navier-Stokes方程(Navier-Stokes Equations）描述湍流行为，但计算代价极高，一次模拟可能耗时几天甚至几周。
而Rose的AI模型，只需几秒钟便可完成同等精度的预测。
在二维模拟中，她把预测速度提升了20倍；到了三维，是1000倍。这意味着：未来的台风路径模拟、海洋环流预测、甚至极端天气预警，一个聪明的AI就可能搞定。
但她的野心远不止于“模拟”。
在不断地训练与优化中，Rose发现AI不仅可以执行物理模型，还能从数据中“发现规律”。
她的模型能自动总结出对称性原理，比如洛伦兹对称（光速不变）和旋转对称（圆球无论转多少角度，看起来仍然一样）。这些抽象概念，过去只有物理学家通过直觉与逻辑才能提炼出来。
如果AI能自主发现自然规律，那它是否可以成为科研的参与者？
这是Rose提出“AI Scientist”概念的起点：她设想的不是一个万能AI，而是一组能够阅读文献、归纳数据、建立模型、生成假设的科研“合伙人”工具集。
说干就干，早期版本的AI Scientist系统，已可处理多模态数据：数字、图像、文本、视频。它被用于疫情预测、气候建模，甚至为核聚变模拟提供支持。
得到加州大学圣地亚哥分校（UCSD）与General Atomics的合作后，她尝试用AI预测聚变反应堆中等离子体的瞬时行为——
那是1亿度高温下、充满不确定性的“人工太阳”，需要秒级响应控制。而她的AI模型，正试图成为目前最快“看懂”这种极端系统的算法。
从洛杉矶的一场堵车，到实验室中炽热的等离子体；从10岁收到一台电脑的小女孩，到如今引领AI理解世界底层规律的科学家。
Rose Yu的研究，不是在打造下一个智能模型，而是在探索人类与AI之间最理想的协作方式。
感兴趣的小伙伴可以点击：
