3月，美国NSF“计算远征”（Expeditions in Computing）项目宣布将向3个新课题各资助1000万美元，围绕流行病学、计算代码和伊辛模型等展开研究^[1]。“计算远征”项目设立于十多年前，已经资助的主题涵盖了从合成生物学和行为神经科学到计算机视觉、机器人技术和量子计算。这次资助的3个新课题分别为：

　　1、全球普适计算流行病学。当前冠状病毒暴发及其潜在的对全球社会、健康和经济的影响，是人类面临的一个重大案例。计算和数据科学可以捕获这些疾病决定因素背后的复杂性，并变革实时流行病学，从而从根本上提出新的方法来缓解困扰人类数千年的全球传染病问题。该课题由弗吉尼亚大学领衔，将通过推进创新计算和数据科学技术，实现对全球传染病开展更好的计算流行病学研究。多学科团队将利用计算理论、人工智能、机器学习和社会科学等工具来模拟可能控制或助长这些蔓延的流行病及社会相互作用。通过该项目开发的工具可以为决策者提供新的分析功能，从而有望改进流行病预警及应对的科学决策。

　　2、利用代码了解世界。当前，几乎每个科学领域都可以捕获大量数据，这使得机器学习在科学发现中扮演着越来越重要的角色。该课题由麻省理工学院领衔，旨在开发新的学习技术，以帮助实现从数据生成科学理论的过程的自动化。课题团队将开发能以代码形式生成模型的学习技术，这些模型看起来更像科学家手工编写的模型。该团队将其工作立足于4个可能产生重大影响的研究领域：有机化学、生物化学、认知科学与行为建模，以及计算系统。机器学习已经在这些领域中证明了其价值，包括预测有机化合物的特性、识别复杂的社交活动以及对计算机性能进行建模等。通过帮助科学家从黑盒预测转变为对产生数据过程的更深刻理解，从而对上述这些领域产生变革性影响。该项目有望深化对许多实际应用领域中涉及数据的复杂过程的理解，并产生重要贡献，如更有效的药物发现、基于对认知深入理解的更好教学方法等。

　　3、连贯的伊辛模型机器。从成本最小化到效率最大化，使用优化框架解决难题是计算中常用的方法。然而，随着问题规模的增大，大多数优化问题的解决方案通常要花费成倍的时间才能解决。因此，对于物流、机器人技术、材料工程和药物设计等众多应用领域而言，应对这些挑战的高效算法和专门技术就显得尤为重要。该课题由斯坦福大学领衔，将利用连贯的伊辛模型机器的非常规计算架构来解决一类优化问题。该机器为后摩尔定律时代的计算工程提供了一个测试平台，并有望在多个领域推动人工智能功能的实质性进展。此外，这些机器使用的非常规存储格式还有可能开辟通往新型量子信息技术的途径。          （万勇）