2022年北京智源大会召开在即，5月31日至6月2日，持续三天，26场由各领域领军学者主导的专题论坛。大会将紧紧围绕这些当前学术领域迫切需要解决的问题，以及产业落地过程中存在的诸多挑战，延续一贯以来的“内行认可”品质口碑，分享真正内行认可的重大成果与真知灼见，献上一场诚意满满的AI盛宴！目前已正式开放大会线上报名渠道。大会将同步向全球线上直播。

北京智源大会倒计时：6 天

生命健康关系着国计民生，是人工智能技术交叉落地最重要的领域之一。生命健康领域覆盖面非常广，从未知疾病预警、新药开发，到老药新用、辅助诊断、医疗影像、智能手术机器人，很多方向都有AI的用武之地。本次智源大会“AI赋能生命健康论坛”邀请到了加州大学圣巴巴拉分校计算机系助理教授李磊，清华大学国强教授、智能产业研究院（AIR）首席研究员聂再清，加拿大MILA实验室助理教授唐建，芝加哥丰田计算技术研究所许锦波教授，伊利诺伊大学厄巴纳-香槟分校计算机科学系副教授彭健，星药科技创始人&CEO李成涛以及智源健康计算中心负责人黄文灏、叶启威，智源青年科学家袁洋等，为大家介绍在AI+生命健康领域最新前沿进展。

论坛议程

论坛主席

黄文灏，北京智源人工智能研究院健康计算研究中心负责人

北京大学博士，近年来主攻人工智能、深度学习、自然语言处理研究，对人工智能技术在金融行业的应用有丰富的实战经验；全职加入智源研究院之前，曾任微软亚洲研究院研究员，负责自然语言理解，实体抽取，对话理解以及人机协同等研究工作，相关成果应用在微软自然语言理解平台 LUIS，Office，Teams，Bot Framework 等产品中，影响用户超过 30 亿。在 AAAI、Transactions on Intelligent Transportation Systems 等人工智能顶级学术会议和高影响因子 SCI 国际期刊发表论文二十余篇。

袁洋，清华大学交叉信息学院助理教授，智源青年科学家

2012年毕业于北京大学计算机系，2018年获得美国康奈尔大学计算机博士学位，师从在线学习与强化学习理论专家Robert Kleinberg教授。2018-2019年前往麻省理工学院大数据科学学院（MIFODS）做博士后，师从Locality-sensitive Hashing算法的提出者Piotr Indyk教授和机器学习鲁棒性专家Aleksander Madry教授。袁洋博士主要研究方向是智能医疗、AI可解释性、AI大系统。

叶启威，北京智源人工智能研究院健康计算研究中心负责人

曾任微软亚洲研究院主管研究员，专注于决策智能相关研究，包括（深度）强化学习，决策树模型，生成模型及其应用。在2016研发了LightGBM，在精度和速度上都超过同时代其他框架，成为业界最受欢迎的决策树算法之一。在2018年研发了Suphx，目前人类史上最强的麻将AI模型，在『天凤』平台荣升十段，显著超越人类顶尖选手。在NeurIPS，ICML，IJCAI等会议发表多篇论文。

演讲主题及嘉宾介绍

1、用于药物发现的几何深度学习

唐建，Mila-Quebec人工智能研究院助理教授，蒙特利尔大学计算机科学系和商学院的助理教授，加拿大CIFAR人工智能研究中心主席

他的主要研究方向是图表征学习、图神经网络、几何深度学习、深生成模型、知识图表和药物研发。在博士期间，他获得了2014年ICML最佳论文奖；2016年，他被提名为最佳数据挖掘会议万维(WWW)最佳论文奖；2020年，他被授予亚马逊和腾讯学院研究奖。他是图形表征学习领域中最具代表性的研究人员之一，并在这一领域发表了具有代表性的著作，如Line和Rotate。他的论文Line在生成节点表征学习方面的工作已得到了广泛的认可，也是2015到2019年WWW会议上被引用最多的论文。最近，他的小组刚刚发布了一个开源机器学习包，名为TorchDrug，旨在使人工智能药物研发软件和图书馆免费提供给研究社区。同时，他也是ICML和NeurIPS的区域主席。

2、主题演讲

彭健，伊利诺伊大学厄巴纳-香槟分校计算机科学系副教授

此前曾于麻省理工学院计算机科学与人工智能实验室进行博士后研究，曾以访问科学家的身份前往白头研究所进行交流，于2013年获芝加哥大学丰田技术学院计算机科学博士学位。彭健博士的主要研究领域为生物信息学、化学信息学和机器学习，其合作开发的算法在多项科学挑战赛中获得佳绩，包括蛋白质结构预测技术的关键测试（CASP），及转化医学和药物基因组学的DREAM 挑战。彭健博士还是Overton奖、美国自然科学基金委员会杰出青年奖、艾尔弗•斯隆基金会斯隆研究奖的获得者。

3、多目标药物分子生成

议题简介：发现一种疾病的有效药物通常需要十年时间。而可供搜寻的分子可能性有1030种。通过实验筛选效率很低，如何在实验之前利用人工智能算法来加速药物发现？候选药物分子通常要满足生化活性、似药性、可合成性等多种目标特征，本报告将介绍基于机器学习的多目标分子生成算法，从而生成满足多种目标的候选分子。该方法亦适合寻找多靶点的药物候选分子。

李磊，加州大学圣芭芭拉分校计算机系助理教授

主要研究方向为自然语言处理，机器学习和药物研发，获得上海交通大学学士学位，卡内基梅隆大学哲学博士学位，他的论文《挖掘协同进化时间序列的快速算法》曾获得 ACM KDD 最佳论文奖。他研发的人工智能作家小明机器人获得了 2017 年吴文俊人工智能奖二等奖，是 2021 ACL最佳论文奖，2019 CCF青年精英奖，2017 CCF杰出演讲者的获得者。他的团队在 2020 WMT中获得了五个语言翻译方向的第一名，是语料库挑战赛中的最佳成绩。他曾在加州大学伯克利分校 EECS 系担任博士后研究员，在硅谷的百度深度学习研究院担任首席研究员、在字节跳动担任 AI Lab 创始总监。他曾担任 TPAMI 副主编和区域主席，组织参与了 ACL 、EMN LP 、Neur IPS、KDD、AAAI、IJCAI、WSDM、CIKM 等多个会议。他推出了字节跳动的机器翻译系统（VolcTrans )和 Xiao ming bot 自动书写系统，他的很多算法已经部署到生产中（今日头条、抖音、TikTOK、飞书)，服务超过十亿用户。

3、AI赋能营养健康

议题简介： 人工智能在生命健康和医疗领域有着巨大的发展机会，个人健康管理向协同和闭环发展。数据驱动的个性化营养健康管理已成为必然的发展趋势。在本次讲座中，将分享个性化营养健康管理的核心技术：针对营养健康场景的检索增强预训练模型、营养健康知识图谱与推理、可解释的个性化推荐系统。利用营养健康图谱打造的“引导式”可解释推荐显著提升了推荐效果，有助于增强用户依从性。还将分享个性化营养健康管理在妊娠期糖尿病和生命早期健康管理数字疗法里的临床应用进展。

聂再清，现任清华大学国强教授和AIR首席研究员、大数据智能实验室主任

从事大数据与人工智能的前沿创新，以及健康医疗和自动驾驶领域的产业应用。2004年获美国亚利桑那州立大学博士学位，师从美国人工智能学会前主席Subbarao Kambhampati教授，本科和硕士毕业于清华大学计算机科学与技术系。2017年加入阿里巴巴，任人工智能实验室北京负责人和天猫精灵首席科学家。此前就职于微软亚洲研究院，任首席研究员，是微软学术搜索和人立方的发起人和负责人。

4、蛋白质预测与设计

许锦波，清华大学卓越访问教授、美国芝加哥丰田计算技术研究所教授

许博士的研究兴趣包括人工智能和机器学习、优化算法和计算生物学。他于 2016 年首次证明了深度学习可以大大提高蛋白质结构预测的性能，引领了人工智能在蛋白质结构预测领域的突破。获得了美国斯隆研究奖，美国自然科学基金早期职业奖，《PLoS Computational Biology》创新突破奖，国际计算生物学顶级会议 RECOMB 最佳论文奖和时间检验 奖 (Test-of-Time Award)；并多次接受英美杂志如《纽约时报》，《经济学人》，《财富》，《自然》 和《科学》的采访。是 2021 年未来科学大奖的主讲嘉宾和 2022 年在瑞典的诺贝尔论坛特邀嘉宾。

5. 人工智能开创药物研发新范式

议题简介：一直以来新药研发有着投入大、耗时长、风险高的三大痛点。与其他行业随着时间的推移，进步的科技达到相同水平的成本会逐年下降的情况不同，新药研发领域自1950年以来，每款新药的平均研发成本每9年就会翻一番，即Eroom’s Law（反摩尔定律）。如何破解这个魔咒，是药物研发科学家们最关注的问题之一。星药科技的创始人&CEO李成涛博士将围绕新药研发行业痛点、人工智能技术的最新发展及应用，结合真实世界人工智能赋能药物研发案例进行分享，与大家共同探讨是否能借助人工智能技术找到一种新范式重塑医药研发核心力。

李成涛，星药科技创始人&CEO

本科毕业于清华大学姚班，并在麻省理工学院获得计算机博士学位。李博士拥有多年机器学习和人工智能的研究经历，是多个创新模型的提出者，并在人工智能顶级会议和科学期刊上发表十数篇论文，是人工智能+药物研发领域的顶尖学者之一。此外，他还曾被评为西贝尔学者(Siebel Scholar)，该奖项专门用于表彰在计算机科学、商业和生物工程等领域内世界顶尖研究院所中最突出的研究者，西贝尔学者也被称为是“改变世界的优秀学者”。李博士于2019年创立了星药科技，通过使用人工智能的前沿算法，结合计算化学、药物化学和生物学的经验及洞见，全方位赋能药物研发。

6. 基因调控的人工智能逆向设计

议题简介：基因组的测序和解读让人类初步破解了天然DNA序列的生物学功能；能否从我们希望实现的功能需求出发，来“逆向”设计和构造人工基因系统，正成为新的科学研究焦点。DNA序列潜在编码空间大（仅1000碱基长度的DNA就有4^1000种排列方式），序列与功能之间的映射非线性。过去，人工基因元件的获取主要通过对自然元件的简单改造，例如通过随机突变结合定向进化等实验来筛选获得新的元器件。这些方法一方面成功率低，另一方面通常只能获得与天然序列非常相似的元件，难以发现全新的功能序列。我们近期尝试用机器学习模型来解析和设计基因调控序列，将人工智能生成模型与合成生物实验闭环耦合，采用数据与知识双驱动的策略解析基因转录调控复杂编码模式，进而用机器学习方法优化设计获得大量全新的调控元件，完成从物理-虚拟-物理世界的迭代映射过程，验证了用AI设计基因调控序列的可行性。

汪小我，清华大学长聘教授

于2003年和2008年在清华大学获学士和博士学位，并曾赴美国冷泉港实验室和加州大学伯克利分校访问学习，2008年起在清华大学自动化系任教至今。主要从事人工智能与生物医学的交叉研究，包括基因组大数据分析、合成生物系统智能设计等。曾担任中国生物工程学会青工委主任、中国人工智能学会生物信息学专委会副主任，并获全国百篇优博、国自然优青、教育部新世纪人才等支持。

7. 圆桌论坛：

唐建，Mila-Quebec人工智能研究院助理教授

彭健，伊利诺伊大学厄巴纳-香槟分校计算机科学系副教授

李磊，加州大学圣芭芭拉分校计算机系助理教授

许锦波，美国芝加哥丰田计算技术研究所教授

聂再清，清华大学国强教授和AIR首席研究员

李成涛，星药科技创始人&CEO

汪小我，清华大学长聘教授

黄文灏，北京智源人工智能研究院健康计算研究中心负责人

叶启威，北京智源人工智能研究院健康计算研究中心负责人

袁洋，清华大学交叉信息学院助理教授，智源青年科学家