2025 X 智能大会暨第18届中国R会议将于2025年10月17日至19日在北京会议中心举行。本次会议聚焦大模型技术的前沿进展，及其在各领域的创新探索与实际应用。会议内容涵盖蒙特卡洛视角下的AI革命、扩散大语言模型、多模态理解与生成、Agent形态演变、Agent产业应用、大模型基础理论、AI4Science、具身智能、生物医药统计与大模型、AI赋能健康统计等重要方向。

欢迎访问以下链接或扫描二维码，报名本次会议！

链接：https://www.x-agi.cc/register.html

二维码：

下面为您奉上本次2025 X智能大会 & 第18届中国R会议 AI4Science 的介绍。

会场主题

本会场主席为 许洪腾。本次会议邀请四位嘉宾探讨人工智能在科学发现（AI4Science）领域的最新研究进展。具体而言，将分别介绍基于最优传输与梯度流的分子构象优化、自监督学习在生命科学与药物发现中的应用、几何深度学习与大模型驱动的药物发现，以及基于3D分子预训练大模型的分子设计等前沿探索。

会场内容

An SE(3)-Transformer for Molecular Conformation Optimization Driven by Wasserstein Gradient Flows

许洪腾

嘉宾简介：

许洪腾，高瓴人工智能学院长聘副教授，博导。2017年博士毕业于佐治亚理工学院，2013年硕士毕业于上海交通大学，2010年本科毕业于天津大学。其研究方向为通用人工智能技术及其应用，特别是（1）最优传输驱动的机器学习理论与方法；（2）生成式大模型架构设计、模型压缩、模型融合；（3）AI4Math以及AI4Science等前沿应用。以第一作者或通讯作者身份在人工智能领域知名会议和期刊上发表论文70余篇，并曾在AAAI、IJCAI等会议上针对最优传输与机器学习组织Tutorial和研讨会等活动。近年来的代表性工作包括基于最优传输距离的图神经网络设计与学习方法、数值算法驱动的大模型架构设计与高效适配、基于生成式人工智能的柔性大分子建模技术等。

议题简介:

Predicting molecular ground-state conformation (i.e., energy-minimized conformation) is crucial for many chemical applications such as molecular docking and property prediction. Classic energy-based simulation is time-consuming when solving this problem, while existing learning-based methods have advantages in computational efficiency but sacrifice accuracy and interpretability. In this work, we propose a novel and effective method to bridge the energy-based simulation and the learning-based strategy, which designs and learns a Wasserstein gradient flow-driven SE(3)-Transformer, called WGFormer, for ground-state conformation prediction. Specifically, our method tackles this task within an auto-encoding framework, which encodes low-quality conformations by the proposed WGFormer and decodes corresponding ground-state conformations by an MLP. The architecture of WGFormer corresponds to Wasserstein gradient flows -- it optimizes conformations by minimizing an energy function defined on the latent mixture models of atoms, thereby significantly improving performance and interpretability. Extensive experiments demonstrate that our method consistently outperforms state-of-the-art competitors, providing a new and insightful paradigm to predict ground-state conformation.

Self-Supervised Learning Empowers Scientific Discovery in Life Science and Drug Discovery

兰艳艳

嘉宾简介：

兰艳艳，清华大学智能产业研究院（AIR）首席研究员/教授，人工智能学院博士生导师，国家青年人才。研究方向为机器学习、信息检索和AI for Science。在人工智能和机器学习领域重要国际期刊和会议上发表论文80余篇，Google Scholar引用超过10000次。获得人工智能领域顶级国际会议SIGIR最佳学生论文奖和CIKM最佳论文Runner-Up奖。获得中文信息学会钱伟长中文信息处理科学技术奖一等奖、青年创新奖。担任AI领域多项国际重要会议的PC Chair和Area Chair，国际期刊AI Journal副主编。她是中国计算机学会高级会员，中文信息学会信息检索专委会秘书长，应用数学学会通信与数学专委会副主任。议题简介:在生命科学与药物发现领域，高成本、长周期、高失败率是长期存在的核心痛点。自监督学习正通过挖掘海量、未标注的生物医学大数据，为解决这些痛点带来革命性突破。本报告将深入探讨自监督学习如何通过学习基因序列、分子结构和蛋白-分子相互作用的内在规律，显著加速靶点发现、药物筛选和性质预测等关键环节。我们将通过前沿案例证明，自监督学习不仅是技术工具的升级，更是驱动从“假设驱动”向“数据驱动”科研范式转变的核心引擎。

AI驱动的药物发现：几何深度学习与大模型的前沿探索

魏哲巍

嘉宾简介：

魏哲巍，中国人民大学高瓴人工智能学院副院长，教授，博导。入选国家高层次青年人才，担任新一代智能搜索与推荐教育部工程研究中心副主任。2008年本科毕业于北京大学数学科学学院，2012年博士毕业于香港科技大学计算机系。研究方向为图计算与图学习、数据流算法与学习。在SIGMOD、KDD、ICML、STOC等会议及期刊发表论文100余篇，获得PODS2022时间检验奖、2023年世界人工智能大会青年优秀论文提名奖、VLDB2024最佳论文提名奖。主持自然科学基金重点项目、科技部新一代人工智能国家科技重大专项课题。担任IEEE TPAMI编委、FCS青年编委；担任PODS、ICDT等会议论文集主席以及ICML、NeurIPS、ICLR等会议领域主席；担任琶洲实验室（黄埔）青年科学家。培养博士生获百度奖学金、微软学者、CCF优博等奖项。

议题简介：本报告将探讨人工智能在药物发现中的应用，特别是几何深度学习和大模型在分子表示及生物医药研究中的创新成果。报告将回顾领域内的最新进展，重点介绍几何深度学习如何帮助分子结构的学习与理解，并探讨大模型如何提升药物筛选和分子生成的表现。报告还将展望未来AI技术如何深度融入药物研发流程，从而加速新药发现。

基于Uni-Mol的分子设计

高志锋

嘉宾简介：

高志锋，2015年本科毕业于南京工业大学，2018年硕士毕业于北京大学软件与微电子学院，毕业后在微软亚洲研究院机器学习组工作多年，主要研究方向为生成式对话学习、数据挖掘以及AI4S相关算法的研发落地，曾带领团队开发出新冠传播预测最准模型，获得CDC官方认可。现就职于北京深势科技有限公司担任AI算法负责人，负责深势科技相关AI for Science算法的研发和落地，包括分子、材料预训练大模型的研发以及在垂直领域的应用，AI在材料与工艺优化与表征建模的应用等。

近年来主要从事小分子表征学习、预训练、分子设计相关的研究和落地，带领团队研发出首个分子3D预训练大模型Uni-Mol，其在属性预测、构象生成、分子蛋白结合位点预测等重要下游任务上取得最佳性能，并且把Uni-Mol拓展到药物、材料、电池、化工等领域，形成多种基于AI的工业级别解决方案和成功的企业落地案例；作为核心主导多项高校、科研机构关键项目攻坚合作，以第一作者或通讯作者在Nature Communication；Nature Computational Science; ICLR; NeurIPS; ICML; ICDE 等顶级期刊会议上发表多篇论文，作为第一负责人主持以及参与多项相关省部级科技项目，作为核心人员获得第二届“祖冲之奖”-人工智能前沿创新奖，Kaggle GrandMaster，共获得国内、国际顶级数据挖掘比赛冠军九项。

议题简介:

近年来，AI基座模型驱动的分子设计在生物医药、能源化工、功能材料等等领域取得了非常多显著的进展，Uni-Mol作为首个3D分子预训练大模型，也在多领域赋能AI for Science，整体围绕以下几点进行介绍： 1. 分子基座模型的现状和发展； 2. 基于Uni-Mol的分子设计整体框架； 3. 案例介绍（工业界、学术界等等）。

关于会议

本次大会由中国人民大学应用统计科学研究中心、中国人民大学统计学院、统计之都与中国商业统计学会人工智能分会主办，中国人民大学健康大数据研究院协办，并获得明汯投资、宽德投资、Will和Quantverse(数启寰宇)的赞助支持。我们诚挚邀请您来参会，共话智能技术发展前沿！

更多日程信息，详见会议通知：2025 X智能大会 & 第18届中国R会议通知

欢迎进入2025 X智能大会 & 第18届中国R会议官网，获取更多会议信息！

链接：https://www.x-agi.cc/index.html

二维码：

联系方式

公众号：统计之都

会议邮箱：xagi-2025@cosx.org