10月4日，高瓴人工智能学院长聘副教授孙浩1篇论文被国际顶级综合期刊《自然·通讯》（Nature Communications）录用。《自然·通讯》是《自然》杂志旗下的子刊之一，主要出版自然科学各领域具重大突破的高质量研究成果，强调发表新颖、重要、高质量及读者感兴趣的研究。该刊于2010年4月创刊，2021年的影响因子为14.919，5年平均影响因子为15.805。

孙浩于2021年9月加入高瓴人工智能学院，组建“物理驱动人工智能”研究组，上述录用的论文为高瓴人工智能学院“AI+X”人工智能交叉学科研究的重要成果之一。中国人民大学智能社会治理研究中心暨人工智能学科交叉协同平台，致力于创建具有人大特色的人工智能跨学科交叉研究方法，探索“人工智能+X”高层次复合型人才培养新模式，在前沿共性问题和重大社会现实问题方面做出原创性、突破性贡献。

2021年1月至今，高瓴人工智能学院已发表或被录用CCF A类国际期刊或和会议论文67篇、CCF B类期刊和论文27篇。

附：论文题目：Physics-informed learning of governing equations from scarce data

作者：陈钊，刘扬，孙浩；通讯作者：刘扬，孙浩

论文简介：在科学探索和工程应用中，常规的物理系统建模与仿真主要依赖于完全已知的偏微分方程，用于推导系统状态控制方程的传统方法主要包括利用守恒定律、现象观测与猜想，对于一些复杂的未知非线性系统有可能不适用，而多元化的测量数据和机器学习的发展为解决这一难题提供新思路。利用数据深入探索复杂系统的控制方程解释形式，形成物理可诠释性的数据驱动模型，对推进建模仿真和进一步了解此类系统起着关键作用。该文章提出了一种新颖的“物理驱动深度学习+稀疏回归”方法，基于小样本稀疏噪声测量数据，准确提取复杂物理系统的控制方程（时空偏微分方程简明解析式）。上述方法已运用于各类物理和生物化学系统，例如流体、反应扩散系统、量子系统、细胞群体运动、混沌动力系统等。