AI驱动模拟器的兴起：打造新的水晶球

计算模拟的使用如今在社会中已如此普遍，以至于可以说美国和世界的持续繁荣、安全与健康在一定程度上依赖于模拟能力的持续进步。如果我们能预测两周后的天气、指导针对新病毒性疾病的新药设计，或管理使生产成本和时间降低一个数量级的新制造工艺，会怎样？如果我们能预测人类集体行为，例如自然灾害期间对疏散请求的响应，或劳动力对财政刺激的回应，会怎样？（另见关于大流行信息学的CCC配套四方论文，其中讨论了对于解决如防范与应对不可避免的下一场大流行等大规模问题至关重要的特性。）过去十年在互补领域取得了显著进展：传感器现已能捕获关于世界的海量数据，而AI方法能够从这些数据中学习提取预测模式。这些进展可能引领计算模拟的新时代，其中多种传感器用于产生大量数据，AI方法识别数据中的模式，新型AI驱动模拟器结合机器学习规则与数学规则以做出准确且可操作的预测。与此同时，也出现了新的挑战——计算机在某些重要方面不再变得更快，且在某些领域我们正触及数学理解的极限，或至少是将数学理解转化为高效模拟的能力极限。在本文中，我们阐述了设想构成关于AI驱动模拟器的、连贯的、多学科的且受应用启发的研究议程一部分的若干主题。