9月，美国能源部（DOE）发布“人工智能驱动的科学研究”（AI for Science）和量子计算的项目资助，总资助金额为1.33亿美元。

1、AI for Science。9月5日，DOE宣布通过“人工智能在科学领域的进展”计划，资助6800万美元支持11个多机构、三年期项目，包括43个课题^[1]。该计划关注5个研究领域：计算科学的极端尺度基础模型；用于科学知识和软件开发的人工智能创新；复杂系统计算决策支持的人工智能创新；联邦和隐私保护机器学习和合成数据创建；高能效人工智能算法和硬件架构的协同设计。

资助的11个项目涵盖创新的人工智能基础模型、算法和高能效的硬件，具体包括：用于图学习的高能效新算法和架构；神经多算子学习器的物理知情和能量感知联合学习，作为科学基础模型；用于高维非线性复杂系统预测和控制的动态生成人工智能；科学机器学习的可扩展基础模型；高效的人工智能辅助高性能计算软件生态系统；极限尺度基础模型的张量压缩可持续预训练；用于机器学习使能的自主多尺度模拟的决策支持；计算科学基础模型；保护隐私的科学联合学习：建立可持续和可信的基础模型；利用人工智能增强高性能计算软件的性能可移植性；高效能神经形态硬件中灵活的脑启发混合模拟尖峰神经元网络计算。

2、量子计算。9月9日，DOE宣布资助6500万美元支持10个五年期的量子计算项目^[2]，包括38个课题。该资助的目标是大规模编程和控制量子系统的端到端软件工具链，以及通过误差检测、预防、保护、抑制和纠错实现量子优越性和弹性的量子算法。这些是开发软件生态系统的关键组成部分，必须准备好一方面考虑模块化和互操作性，另一方面考虑专业化和性能。

资助的10个项目涵盖量子计算的软件、控制系统和算法，具体包括：量子计算加速研究；具有硬件知情和应用知情的短期算法的量子实用性；用于量子实用性的算法：智能、鲁棒和高效分布式；用于科学中多种应用和科学理论进展的先进量子算法；通过先进计算量子算法实现量子实用性；量子实用性的基础算法研究；用于异构量子计算生态系统的模块化和误差感知软件栈；可扩展、模块化、自适应、可重构、误差导向的量子堆栈设计方法；用混合离散连续变量量子处理器实现量子实用性；偏微分方程的量子计算。                                                                      （黄龙光）