刚获ICML大奖的机器学习大牛Max Welling加入微软，主攻分子模拟

刚获ICML大奖的机器学习大牛Max Welling加入微软，将领导新建的阿姆斯特丹实验室，主攻分子模拟方向，旨在利用机器学习与量子计算推动分子模拟研究，助力气候变化应对、药物发现及新材料开发。加入微软后的研究方向与目标领导新建实验室：Max Welling将领导微软在阿姆斯特丹新建的实验室，组建一支多样化的研究和工程团队，专注于分子模拟问题。研究目标：短期目标：构建一个预测分子特性的系统，能够生成具有特定特性的分子，并在巨大的分子空间中搜索这些分子。长期目标：在未来10年内，解决“理解分子”的问题，实现即时设计新材料，如设计新的催化剂来赋能绿色经济，为目前无法治疗的疾病设计新药。分子模拟研究的重要性与前景分子模拟的重要性：世界上几乎所有物理的东西都是由分子组成的，但由于自然界符合量子力学，我们无法在经典计算机上准确地模拟它们。随着机器学习（如等变图神经网络）技术的突破，以及量子计算和经典计算能力的提升，分子模拟研究有望在未来十年取得显著进展。研究前景：应用领域广泛：改进对抗疾病的药物，寻找服务于绿色技术的高效催化剂，开发具有惊人性能的新材料。微软的支持：微软提供了大量可用的计算基础设施，为分子模拟研究提供了有力支持。Max Welling的学术背景与成就学术背景：Max Welling并非计算机专业科班出身，而是在荷兰乌得勒支大学学习了11年的物理，导师是1999年诺贝尔物理学奖得主Gerard t Hooft。在Hooft的指导下，Max Welling于1998年获得了量子物理学博士学位。学术成就：论文被引量：Max Welling的论文被引量达到了5万多次，h指数高达79。重要成果：与博士生Thomas Kipf共同提出了图神经网络领域的重要成果——图自编码器（GAE），并进一步提出了变分GAE，这些成果在图结构数据的无监督学习和链接预测中表现优异。机器学习与量子计算在分子模拟中的应用机器学习在分子模拟中的应用：数据驱动：机器学习可以通过实验数据驱动的方式，对蛋白质分子折叠以及与其他蛋白质相互作用的量子物理学第一原理模拟中创建数据，从而推动分子模拟研究。对称性应用：Max Welling在机器学习中研究不变性（invariances）和等变性（equivariances），并将这些原理应用于分子模拟中。例如，通过构建图神经网络，使模型在分子旋转后保持某种对称，从而准确预测分子的性质。量子计算在分子模拟中的应用：量子模拟：分子本质上属于量子系统，量子计算机可以看作某种量子实验或量子模拟，因此在模拟量子力学领域具有天然优势。协同合作：Max Welling认为，量子计算与机器学习的协同合作在分子模拟中最令人兴奋。虽然量子计算仍处于初步阶段，但可以先使用噪声更多的量子设备，利用量子计算来建模分子。阿姆斯特丹实验室的组建与未来规划实验室组建：人才招聘：实验室将招聘优秀的研究人员，组建一支多样化的团队。合作交流：实验室将与微软剑桥实验室团队展开合作，共同推动分子模拟研究的发展。未来规划：研究重点：实验室将专注于分子模拟研究，利用机器学习与量子计算技术，推动该领域的突破。应用拓展：实验室的研究成果将应用于气候变化应对、药物发现及新材料开发等多个领域，为人类社会带来福祉。