编者按：同济大学进一步全面深化教育科技人才一体改革，全面推进“数智化、绿色化、融合化”向纵深发展，各学院积极推动学科转型创新发展，深度融入学校事业发展全局，不断取得新进展。为此，特别推出“同济转型发展之路”系列报道，呈现各学院在推动学科转型创新发展中的新作为、新气象。

不久前，同济大学“智能计算与应用”教育部重点实验室建设项目通过专家验收，实验室取得的一系列标志性成果获专家肯定。这是数学科学学院积极推动学科“数智化、绿色化、融合化”转型创新发展的一个缩影。

同济大学主动对接国家新一代人工智能重大战略需求，充分发挥数学学科的深厚积累以及在科学计算方面的优势，强化数学与控制、土木、测绘、环境等领域的交叉融合，聚焦人工智能数学基础研究，着力破解智能计算最基础的本源性问题，为科技自立自强提供源头支撑。如今，学院已成为在智能计算与应用领域具有影响力的多学科交叉研究基地。

系统布局“智能计算与应用”研究

近年来，人工智能技术迎来爆发式增长，正在深刻改变世界的生产生活方式，但因缺乏相关理论基础支撑，从“可以用”迈向“很好用、用得好”，还存在诸多瓶颈有待突破，亟待深入探究驱动人工智能技术所需数据、模型和算法背后的数理基础，让AI澎湃更加强劲的动能。

同济大学主动识变应变，敏锐地认识到了推动人工智能与数学学科交叉融合的重要意义，依托学校数学科学学院和优势工科，加快前瞻布局。2019年11月，“智能计算与应用”同济大学数学中心成立。这是学院在学校统筹部署下，努力抢占数学基础研究创新制高点、引领人工智能发展方向的重要举措。

该中心以代数与数论、几何与拓扑、科学计算为特色，通过深化与学校土木工程、测绘科学与技术、控制科学与技术、数字光学等学科广泛的学科交叉和学科融合，形成了国际、校际多学科协同机制，聚焦人工智能发展瓶颈，推进理论研究以及工程应用研究，努力在人工智能基础数学理论、算法及其工程应用等方面取得突破性进展。

2021年，数学中心建设迈上新台阶：获批建设上海市智能计算前沿科学研究基地。

数学基础理论研究与理工交叉应用型研究并举

“采用数学基础研究与理工交叉应用型研究并举，研究布局合理，特色突出，定位明确，符合国家战略需求与上海科创中心总体布局。”作为同济“智能计算”又一标志性进展，2023年6月，“智能计算与应用”教育部重点实验室建设计划通过专家论证。

实验室大力推行学科交叉、国际合作交流、高端人才引培和专职科研队伍建设，深入研究人工智能的基础数学理论、算法及其工程应用，为国家人工智能发展战略的深入推进保驾护航。

实验室围绕人工智能领域的重大科学问题，规划了三个研究方向。一是“人工智能中的前沿数学”，人工智能的理论基础非常薄弱，需要以纯粹数学为研究对象的基础数学为基础。二是“数据驱动的大规模科学计算”，探索大数据条件下科学计算的自主化与智能化，从而为科学技术诸多领域在大规模复杂系统的数值分析与预测方面所面临的挑战，提供系统性创新解决方案。三是“智能计算在工程中的应用”，基于同济优势工科，从工程实践中提炼关键科学问题，重点将相关数学方法用于智能控制、土木工程、深空探测等领域相关复杂系统的智能计算问题中。

令人印象深刻的是，学院建立了数学与同济其他优势学科的协同交叉机制，设立政策特区，为基础研究厚植创新沃土。

在理论、算法和应用上取得重要进展

“智能计算与应用”教育部重点实验室自2023年获批建设以来，围绕“理论突破-算法创新-技术应用”的研究链条，在三大方向上接连取得系统性进展。

在理论方面，实验室致力于夯实智能计算的数学基础，解决了双曲三维流形上Anosov流分类、Vlasov-Poisson系统全局适定性理论等若干重要基础数学问题。自主研发了DeepMath数学大模型，为人工智能提供了可证明的理论工具和新一代研究范式。近日，DeepMath团队近日发布了一款以自主提出数学猜想为核心目标的智能体Moonshine，能围绕给定的模糊数学背景知识自主完成猜想生成与推理论证，为人工智能与数学的深度融合提供了一条可验证的技术路径。不久前，数学科学学院团队的研究成果，发表于“Journal of Computational Physics”，用AI破解椭圆方程“奇点难题”，可以直接降低计算成本、提升求解精度。

在算法方面，实验室发展了面向大规模特征值问题的区域分解方法、高维数据显著性检验新方法等高效算法，构建多模态医学数据泛化计算框架，显著提升了高维、稀疏、异构数据下的建模与计算效率。

在应用方面，实验室将理论成果与算法工具深度融合，成功研发了油气藏相平衡智能预测软件，支撑国家管网天然气管道智能调控；研发AI+热力耦合多尺度算法，赋能宝武钢铁集团生产线，为高端制造提供自主可控的数字化解决方案；创新提出了智能预测模型和计算方法，可用于患者自查、门诊初筛等临床评分系统和精准诊疗。

值得一提的是，学院近年来聚焦“绿色化”，主动向能源、环境等国家战略需求领域拓展。学院教师团队深度参与油藏模拟、碳封存等实际工程问题中的数学建模与算法研究，尝试将基础数学方法转化为解决能源领域“卡脖子”问题的工具。近日，学院研究团队又一研究成果发表于“Energy Science”，验证了FSMA算法在处理孔隙结构微小演化时兼具计算效率与物理稳定性的优势，成为未来求解大规模二氧化碳地质封存反应输运模拟的一条可行技术路径。