主要内容
《十岁生日礼改变命运：将物理与深度学习结合》
原载于《量子杂志》。十岁时，罗斯·于收到一份改变她一生——或许也会改变我们研究物理方式的生日礼物。她的叔叔给她一台电脑，在 25 年前的中国，这是罕见的物品，礼物也未被闲置。
起初，于主要玩电脑游戏，但中学时她因网页设计获奖，这是众多与电脑相关的荣誉的开端。她在浙江大学主修计算机科学，并在那里因创新研究获奖。研究生阶段，她选择了南加州大学（USC），部分原因是当时在美国仅认识的叔叔在附近帕萨迪纳的喷气推进实验室工作。2017 年，她获得博士学位并获最佳论文奖。
最近的荣誉是在 1 月，乔·拜登总统在任期的最后一周授予她总统早期职业奖。如今，身为加州大学圣地亚哥分校（UCSD）副教授的于，是“物理引导深度学习”领域的领军人物，多年来她将对物理的认识融入人工神经网络。
这项工作不仅引入了构建和训练这些系统的新技术，还让她在几个实际应用中取得进展。她利用流体动力学原理改善交通预测，加快湍流模拟以增进对飓风的理解，并设计工具帮助预测新冠病毒的传播。
她更接近宏大梦想——部署一套她称为“AI 科学家”的数字实验室助手。她现在设想人类研究者与 AI 工具之间的“伙伴关系”，完全基于物理原理，从而能产生新的科学见解。她认为，结合这些助手团队的输入，可能是促进发现过程的最佳方式。
《量子》杂志与于探讨了各种形式的湍流、如何从 AI 中获得更多以及它如何帮助我们摆脱城市交通拥堵。
问：你何时首次尝试将物理与深度学习结合？
答：始于交通。当时我是 USC 的研究生，校园紧邻 I-10 和 I-110 交汇处，出行要经过很多拥堵路段，很烦人。2016 年，我开始思考能否对此有所作为。当时深度学习很热门，在图像分类等应用中已引发很多关注，但图像只是静态的。我想知道深度学习能否帮助解决不断变化的问题。我不是第一个考虑此问题的人，但我和同事找到了一种新的解决方式。
问：你的新方法是什么？
答：首先，我们从扩散的物理过程角度考虑交通。在我们的模型中，道路网络上的交通流类似于表面上的流体流动——受流体动力学定律支配的运动。但我们的主要创新是将交通视为图论数学领域的图。监测高速公路和其他道路交通的传感器作为此图的节点，图的边代表这些传感器之间的道路（和距离）。一张图提供给定时间整个道路网络的快照，告诉你图上每个点的汽车平均速度。将这些相隔五分钟的快照组合起来，就能很好地了解交通的演变情况。从那里，你可以……