國(guó)科金發(fā)計(jì)〔2025〕12號(hào)

國(guó)家自然科學(xué)基金委員會(huì)現(xiàn)發(fā)布可解釋、可通用的下一代人工智能方法重大研究計(jì)劃2025年度項(xiàng)目指南,，請(qǐng)申請(qǐng)人及依托單位：（略）

國(guó)家自然科學(xué)基金委員會(huì)
2025年1月24日


可解釋,、可通用的下一代人工智能方法
重大研究計(jì)劃2025年度項(xiàng)目指南
可解釋、可通用的下一代人工智能方法重大研究計(jì)劃面向人工智能發(fā)展國(guó)家重大戰(zhàn)略需求,，以人工智能的基礎(chǔ)科學(xué)問(wèn)題為核心,，發(fā)展人工智能新方法體系,，促進(jìn)我國(guó)人工智能基礎(chǔ)研究和人才培養(yǎng)，支撐我國(guó)在新一輪國(guó)際科技競(jìng)爭(zhēng)中的主導(dǎo)地位,。
一,、科學(xué)目標(biāo)
本重大研究計(jì)劃面向以深度學(xué)習(xí)為代表的人工智能方法魯棒性差、可解釋性差,、對(duì)數(shù)據(jù)的依賴(lài)性強(qiáng)等基礎(chǔ)科學(xué)問(wèn)題,，挖掘機(jī)器學(xué)習(xí)的基本原理，發(fā)展可解釋,、可通用的下一代人工智能方法,，并推動(dòng)人工智能方法在科學(xué)領(lǐng)域的創(chuàng)新應(yīng)用。
二,、核心科學(xué)問(wèn)題
本重大研究計(jì)劃針對(duì)可解釋,、可通用的下一代人工智能方法的基礎(chǔ)科學(xué)問(wèn)題，圍繞以下三個(gè)核心科學(xué)問(wèn)題開(kāi)展研究,。
（一）深度學(xué)習(xí)的基本原理,。
深入挖掘深度學(xué)習(xí)模型對(duì)超參數(shù)的依賴(lài)關(guān)系，理解深度學(xué)習(xí)背后的工作原理,，建立深度學(xué)習(xí)方法的逼近理論,、泛化誤差分析理論和優(yōu)化算法的收斂性理論。
（二）可解釋,、可通用的下一代人工智能方法,。
通過(guò)規(guī)則與學(xué)習(xí)結(jié)合的方式：（略）
（三）面向科學(xué)領(lǐng)域的下一代人工智能方法的應(yīng)用。
發(fā)展新物理模型和算法,，建設(shè)開(kāi)源科學(xué)數(shù)據(jù)庫(kù),、知識(shí)庫(kù)、物理模型庫(kù)和算法庫(kù),，推動(dòng)人工智能新方法在解決科學(xué)領(lǐng)域復(fù)雜問(wèn)題上的示范性應(yīng)用,。
三、2025年度資助研究方向
（一）培育項(xiàng)目,。
圍繞核心科學(xué)問(wèn)題,，以總體科學(xué)目標(biāo)為牽引，擬以培育項(xiàng)目的方式：（略）
1.（略）絡(luò)的新架構(gòu)和新的預(yù)訓(xùn)練或自監(jiān)督學(xué)習(xí)方法,。
針對(duì)圖像,、視頻、圖,、流場(chǎng)等數(shù)據(jù),，（略）絡(luò)新架構(gòu)、預(yù)訓(xùn)練或自監(jiān)督學(xué)習(xí)方法，并在真實(shí)數(shù)據(jù)集上進(jìn)行驗(yàn)證,。
2.深度學(xué)習(xí)的基礎(chǔ)理論,。
（略）絡(luò)的函數(shù)空間理論及誤差分析。（略）絡(luò)非線(xiàn)性訓(xùn)練過(guò)程中的重要現(xiàn)象,，包括頓悟（grokking）,、穩(wěn)定性邊緣（edgeofstability）、損失尖峰（lossspike）和凝聚現(xiàn)象（condensation）,，分析損失景觀(guān)的嵌入結(jié)構(gòu),、訓(xùn)練超參數(shù)、凝聚,、正則化技術(shù)等對(duì)Transformer、Mamba等架構(gòu)的樣本效率,、分布外檢測(cè),、泛化能力、推理性能的影響,。
3.大模型的基礎(chǔ)問(wèn)題,。
研究多任務(wù)、多數(shù)據(jù),、大模型的基礎(chǔ)問(wèn)題,，包括但不限于大模型的表示理論、泛化理論,、樣本效率,、大模型訓(xùn)練的穩(wěn)定性、標(biāo)度率（scalinglaw）,、涌現(xiàn)等現(xiàn)象,；研究大模型的記憶災(zāi)難（curseofmemory）問(wèn)題；研究大模型的思維鏈（ChainofThoughts）,、多步推理,、上下文學(xué)習(xí)（In-Contextlearning）、推理外推能力（如lengthgeneralization）等的機(jī)制,。
4.（略）的機(jī)器學(xué)習(xí),。
針對(duì)大模型數(shù)據(jù)側(cè)的獲取：（略）
5.科學(xué)領(lǐng)域的人工智能方法與理論,。
針對(duì)典型的科學(xué)領(lǐng)域應(yīng)用場(chǎng)景,，如核聚變、藥物研發(fā),、材料設(shè)計(jì),、電子多體等問(wèn)題，發(fā)展人工智能與物理、化學(xué),、生物等基礎(chǔ)理論和模型融合的方法,，建立可通用的跨尺度人工智能輔助計(jì)算理論和方法，解決典型復(fù)雜正反問(wèn)題,。
（二）重點(diǎn)支持項(xiàng)目,。
圍繞核心科學(xué)問(wèn)題，以總體科學(xué)目標(biāo)為牽引,，擬以重點(diǎn)支持項(xiàng)目的方式：（略）
1．融合邏輯和深度學(xué)習(xí)的推理方法,。
通過(guò)融合邏輯方法和深度學(xué)習(xí)方法，（略）的可靠性與處理復(fù)雜推理問(wèn)題的能力,。通過(guò)構(gòu)建形式化數(shù)學(xué)數(shù)據(jù)庫(kù),，優(yōu)化機(jī)器翻譯技術(shù)與證明算法，實(shí)現(xiàn)高度自動(dòng)化的定理證明,，建立高度嚴(yán)謹(jǐn)?shù)耐评砟Ｐ汀?
2.融合物理與人工智能的幾何生成,。
融合物理仿真與深度學(xué)習(xí)方法，實(shí)現(xiàn)面向多物理場(chǎng)微幾何結(jié)構(gòu)的基礎(chǔ)生成模型,；通過(guò)建立形式化與BREP表示的計(jì)算機(jī)輔助幾何（CAD）模型數(shù)據(jù)庫(kù),，實(shí)現(xiàn)功能描述準(zhǔn)確、高精度CAD模型自動(dòng)生成,，構(gòu)建高質(zhì)量的幾何資產(chǎn),；增強(qiáng)從CAD模型生成四面體、四邊形,、（略）格的魯棒性,，實(shí)現(xiàn)物理仿真穩(wěn)定性與精度的提升。
3.新一代腦啟發(fā)的人工智能,。
針對(duì)生物神經(jīng)元的節(jié)能特性與多樣化結(jié)構(gòu),，在生物神經(jīng)元與人工神經(jīng)元之間建立簡(jiǎn)潔高效的映射，使人工神經(jīng)元具有生物神經(jīng)元的能量?jī)?yōu)化與樹(shù)突非線(xiàn)性計(jì)算功能,，并提出統(tǒng)一的能量?jī)?yōu)化算法框架,。（略）絡(luò)的連接結(jié)構(gòu)（略）特性，設(shè)計(jì)生物神（略）絡(luò)模型,，實(shí)現(xiàn)記憶,、決策等高級(jí)認(rèn)知功能。實(shí)現(xiàn)不少于3種生物與人工神經(jīng)元的映射及不少于3種樹(shù)突計(jì)算功能,，與現(xiàn)有映射相比,，實(shí)現(xiàn)精度、性能與可解釋性的提升,。
4．類(lèi)人認(rèn)知學(xué)習(xí)框架,。
探索類(lèi)人認(rèn)知學(xué)習(xí)框架，通過(guò)智能體主動(dòng)感知和交互、模型自主學(xué)習(xí)和迭代更新,，（略）的智能化水平,，解決具身智能體在復(fù)雜物理環(huán)境下的交互決策難題，為因果模型構(gòu)建,、物理常識(shí)生成等具身智能任務(wù)提供支撐,。
5．物理過(guò)程驅(qū)動(dòng)的多智能體仿真場(chǎng)景可信生成。
構(gòu)建基于物理原理驅(qū)動(dòng)的場(chǎng)景模型,，實(shí)現(xiàn)高度逼真的環(huán)境動(dòng)態(tài)模擬,；整合多模態(tài)信息，增強(qiáng)智能體與環(huán)境的交互,，確保仿真實(shí)體與現(xiàn)實(shí)世界的特性和行為相匹配,；建立完善的仿真數(shù)據(jù)可信度評(píng)估體系，確保仿真場(chǎng)景的可靠性,，（略）研究和決策提供堅(jiān)實(shí)的虛擬基礎(chǔ),。
6.可解釋的人工智能方法及其在化學(xué)反應(yīng)復(fù)雜體系中的應(yīng)用。
發(fā)展基于深度學(xué)習(xí)與物理模型融合的可解釋人工智能方法,，（略）絡(luò)，揭示復(fù)雜化學(xué)反應(yīng)體系的微觀(guān)機(jī)理與表界面作用規(guī)律,，推動(dòng)可解釋的人工智能方法在能源催化,、合成化學(xué)和合成生物學(xué)等重要領(lǐng)域的落地應(yīng)用。
7.人工智能驅(qū)動(dòng)的虛擬細(xì)胞研究,。
基于多組學(xué)數(shù)據(jù)和人工智能方法,，發(fā)展虛擬細(xì)胞技術(shù)，模擬細(xì)胞動(dòng)態(tài)生命過(guò)程,，解析細(xì)胞互作原理,，預(yù)測(cè)生物體對(duì)擾動(dòng)的復(fù)雜響應(yīng)。具體包括：1）虛擬單細(xì)胞：針對(duì)酵母,、細(xì)胞系等典型情景,，（略）網(wǎng)絡(luò)模型，動(dòng)態(tài)預(yù)測(cè)細(xì)胞行為,，實(shí)現(xiàn)合成生物學(xué)或藥物篩選應(yīng)用,；2）虛擬生物體：對(duì)線(xiàn)蟲(chóng)、胚胎等典型場(chǎng)景,，通過(guò)影像學(xué)和組學(xué)數(shù)據(jù),，構(gòu)建多細(xì)胞相互作用關(guān)系和時(shí)空動(dòng)態(tài)變化模型，揭示生物體的生物學(xué)機(jī)制,。
8.罕見(jiàn)病診斷決策大模型,。
建立大規(guī)模罕見(jiàn)病臨床和遺傳信息數(shù)據(jù)庫(kù)，覆蓋基因和臨床表現(xiàn)等多維度信息，結(jié)合多模態(tài)數(shù)據(jù),，構(gòu)建可解釋的罕見(jiàn)病診斷決策大模型,，為罕見(jiàn)病診斷和治療提供關(guān)鍵依據(jù)。
9.基于多模態(tài)大模型的耐受極端環(huán)境生物元件設(shè)計(jì),。
基于極端環(huán)境微生物數(shù)據(jù),，構(gòu)建融合序列、結(jié)構(gòu)與功能的蛋白質(zhì)和核酸序列多模態(tài)預(yù)訓(xùn)練大模型,；分析重要生物元件與環(huán)境適應(yīng)性,、代謝功能等的聯(lián)系，構(gòu)建元件對(duì)極端環(huán)境適應(yīng)度的預(yù)測(cè)模型,；設(shè)計(jì)開(kāi)發(fā)耐受高溫,、高壓、極端pH的蛋白質(zhì)和核酸等功能元件并接受濕實(shí)驗(yàn)驗(yàn)證,，推動(dòng)其在工業(yè),、醫(yī)藥等領(lǐng)域的產(chǎn)業(yè)化應(yīng)用落地。
（三）集成項(xiàng)目,。
本年度擬遴選具有重大應(yīng)用價(jià)值和良好研究基礎(chǔ)的研究方向進(jìn)行集成資助,，研究方向如下：
1．記憶與推理分離、分層的通用大模型,。
設(shè)計(jì)記憶與推理分離,、分層的通用大模型新架構(gòu)，構(gòu)建推理數(shù)據(jù)集,，研究大模型的基礎(chǔ)理論及訓(xùn)練方法,。具體包括：1）探索記憶與推理分離的模型架構(gòu)，實(shí)現(xiàn)可擴(kuò)展,、可學(xué)習(xí),、高壓縮、分布式,、分層的記憶存儲(chǔ),，設(shè)計(jì)存算高效的新型訓(xùn)練方法，通過(guò)從頭預(yù)訓(xùn)練大模型（不少于7B參數(shù),，1TTokens）驗(yàn)證新架構(gòu)與新訓(xùn)練方法的有效性,；2）實(shí)現(xiàn)文本推理數(shù)據(jù)的自動(dòng)提取，自動(dòng)構(gòu)建自然語(yǔ)言推理數(shù)據(jù)和形式化數(shù)學(xué)定理數(shù)據(jù)庫(kù),；3）闡明Next-TokenPrediction訓(xùn)練范式有效性的內(nèi)在機(jī)制,，研究超參數(shù)和模型復(fù)雜度等對(duì)大模型推理能力的影響。
2.結(jié)構(gòu)材料構(gòu)效關(guān)系的構(gòu)筑方法與應(yīng)用,。
研究結(jié)構(gòu)材料成分,、組織結(jié)構(gòu),、工藝等知識(shí)編碼表示方法，（略）回歸和深度學(xué)習(xí)等材料知識(shí)構(gòu)筑算法,，構(gòu)建物理意義明確的典型結(jié)構(gòu)材料構(gòu)效關(guān)系數(shù)學(xué)表達(dá)式或經(jīng)驗(yàn)?zāi)Ｐ?；研究可解釋材料特征工程、知識(shí)誘導(dǎo)高精度建模,、材料因果推理等方法,，挖掘多組元成分、復(fù)雜工藝,、組織結(jié)構(gòu)等對(duì)材料性能影響的內(nèi)稟關(guān)系,，建立材料數(shù)據(jù)庫(kù)、知識(shí)庫(kù)和工藝庫(kù),；面向新型結(jié)構(gòu)材料研發(fā)和生產(chǎn)制造全過(guò)程,，發(fā)展數(shù)據(jù)和知識(shí)雙驅(qū)動(dòng)的方法，研發(fā)出2-3種高性能典型金屬結(jié)構(gòu)材料,，并通過(guò)工程中試驗(yàn)證,。
3.融合環(huán)境-系統(tǒng)-（略）。
針對(duì)算力硬件和物理世界設(shè)備的泛化與智能化趨勢(shì),，打破物理環(huán)境與智能模型邊界,，設(shè)計(jì)環(huán)境-系統(tǒng)-模型協(xié)同演進(jìn)的方案。具體包括：1）（略）,、人工智能模型,、物理環(huán)境三方面共同迭代演化方法，保障環(huán)境-系統(tǒng)-模型協(xié)同演進(jìn),，相比分離演進(jìn)整體性能提升50%以上,；2）研究（略）元架構(gòu),，支撐不少于5種硬件和設(shè)備的高效抽象與適配,，相比分離抽象利用效率提升30%以上；3）研究面向復(fù)雜物理環(huán)境的高可靠分布式數(shù)據(jù)傳輸與存儲(chǔ)底座,，實(shí)現(xiàn)物理空間智能元素的韌性互聯(lián)與實(shí)時(shí)協(xié)同,。
四、項(xiàng)目遴選的基本原則
（一）緊密?chē)@核心科學(xué)問(wèn)題,，鼓勵(lì)基礎(chǔ)性和交叉性強(qiáng)的前沿探索,，優(yōu)先支持原創(chuàng)性研究。
（二）優(yōu)先支持面向發(fā)展下一代人工智能新方法或能推動(dòng)人工智能新方法在科學(xué)領(lǐng)域應(yīng)用的研究項(xiàng)目,。
（三）重點(diǎn)支持項(xiàng)目和集成項(xiàng)目應(yīng)具有良好的研究基礎(chǔ)和前期積累,，對(duì)總體科學(xué)目標(biāo)有直接貢獻(xiàn)并發(fā)揮支撐作用。
五,、2025年度資助計(jì)劃
擬資助培育項(xiàng)目約15項(xiàng),，直接費(fèi)用資助強(qiáng)度約為40萬(wàn)元/項(xiàng),，資助期限為3年，培育項(xiàng)目申請(qǐng)書(shū)中研究期限應(yīng)填寫(xiě)“2026年1月1日－2028年12月31日”,；擬資助重點(diǎn)支持項(xiàng)目約6項(xiàng),，直接費(fèi)用資助強(qiáng)度約為300萬(wàn)元/項(xiàng)，資助期限為4年,，重點(diǎn)支持項(xiàng)目申請(qǐng)書(shū)中研究期限應(yīng)填寫(xiě)“2026年1月1日－2029年12月31日”,；擬資助集成項(xiàng)目約3項(xiàng)，直接費(fèi)用資助強(qiáng)度為800－1200萬(wàn)元/項(xiàng),，資助期限為4年,，集成項(xiàng)目申請(qǐng)書(shū)中研究期限應(yīng)填寫(xiě)“2026年1月1日－2029年12月31日”。
六,、申請(qǐng)要求及注意事項(xiàng)
（一）申請(qǐng)條件,。
本重大研究計(jì)劃項(xiàng)目申請(qǐng)人應(yīng)當(dāng)具備以下條件：
1.具有承擔(dān)基礎(chǔ)研究課題的經(jīng)歷；
2.具有高級(jí)專(zhuān)業(yè)技術(shù)職務(wù)（職稱(chēng)）,。
在站博士后研究人員,、正在攻讀研究生學(xué)位以及無(wú)工作單位：（略）
（二）限項(xiàng)申請(qǐng)規(guī)定。
執(zhí)行《2025年度國(guó)家自然科學(xué)基金項(xiàng)目指南》“申請(qǐng)規(guī)定”中限項(xiàng)申請(qǐng)規(guī)定的相關(guān)要求,。
（三）申請(qǐng)注意事項(xiàng),。
申請(qǐng)人和依托單位：（略）
1.本重大研究計(jì)劃項(xiàng)目實(shí)行無(wú)紙化申請(qǐng),。申請(qǐng)書(shū)提交日期為2025年3月1日－2025年3月20日16時(shí),。
（1）（略）中重大研究計(jì)劃項(xiàng)目的填報(bào)說(shuō)明與撰寫(xiě)提綱要求在線(xiàn)填寫(xiě)和提交電子申請(qǐng)書(shū)及附件材料,。
（2）本重大研究計(jì)劃旨在緊密?chē)@核心科學(xué)問(wèn)題，對(duì)多學(xué)科相關(guān)研究進(jìn)行戰(zhàn)略性的方向引導(dǎo)和優(yōu)勢(shì)整合,，成為一個(gè)項(xiàng)目集群。申請(qǐng)人應(yīng)根據(jù)本重大研究計(jì)劃擬解決的核心科學(xué)問(wèn)題和項(xiàng)目指南公布的擬資助研究方向,，自行擬定項(xiàng)目名稱(chēng)：（略）
（3）申請(qǐng)書(shū)中的資助類(lèi)別選擇“重大研究計(jì)劃”,，亞類(lèi)說(shuō)明選擇“培育項(xiàng)目”、“重點(diǎn)支持項(xiàng)目”或“集成項(xiàng)目”,，附注說(shuō)明選擇“可解釋、可通用的下一代人工智能方法”,，受理代碼選擇T01,，根據(jù)申請(qǐng)的具體研究?jī)?nèi)容選擇不超過(guò)5個(gè)申請(qǐng)代碼,。
培育項(xiàng)目和重點(diǎn)支持項(xiàng)目的合作研究單位：（略）
（4）申請(qǐng)人在申請(qǐng)書(shū)起始部分應(yīng)明確說(shuō)明申請(qǐng)符合本項(xiàng)目指南中的資助研究方向,，以及對(duì)解決本重大研究計(jì)劃核心科學(xué)問(wèn)題,、實(shí)現(xiàn)本重大研究計(jì)劃科學(xué)目標(biāo)的貢獻(xiàn)。
如果申請(qǐng)人已經(jīng)承擔(dān)與本重大研究計(jì)劃相關(guān)的其他科技計(jì)劃項(xiàng)目,，應(yīng)當(dāng)在申請(qǐng)書(shū)正文的“研究基礎(chǔ)與工作條件”部分論述申請(qǐng)項(xiàng)目與其他相關(guān)項(xiàng)（略）別與聯(lián)系。
2.依托單位：（略）
3.其他注意事項(xiàng),。
（1）為實(shí)現(xiàn)重大研究計(jì)劃總體科學(xué)目標(biāo)和多學(xué)科集成,，獲得資助的項(xiàng)目負(fù)責(zé)人應(yīng)當(dāng)承諾遵守相關(guān)數(shù)據(jù)和資料管理與共享的規(guī)定,，項(xiàng)目執(zhí)行過(guò)程中應(yīng)關(guān)注與本重大研究計(jì)劃其他項(xiàng)目之間的相互支撐關(guān)系。
（2）為加強(qiáng)項(xiàng)目的學(xué)術(shù)交流,，促進(jìn)項(xiàng)目群的形成和多學(xué)科交叉與集成,，本重大研究計(jì)劃將每年舉辦1次資助項(xiàng)目的年度學(xué)術(shù)交流會(huì),，并將不定期地組織相關(guān)領(lǐng)域的學(xué)術(shù)研討會(huì)。獲資助項(xiàng)目負(fù)責(zé)人有義務(wù)參加本重大研究計(jì)劃指導(dǎo)專(zhuān)家組和管理工作組所組織的上述學(xué)術(shù)交流活動(dòng),。
（四）咨詢(xún)方式：（略）
交叉科學(xué)部交叉科學(xué)一處
聯(lián)系電話(huà)：（略）