生成式人工智能技术的蓬勃发展正日益驱动传统教学方法的变革。为帮助教师在教育数字化转型的时代背景下更好地适应和使用人工智能技术，实现教师的教育教学智能化，现组织开展“生成式人工智能赋能教学方法”系列研修项目。

一、 项目内容

“生成式人工智能赋能教学方法”系列研修项目邀请人工智能领域的领军人物、青年学者、行业资深从业人员，聚焦生成式人工智能技术的发展历程、教师在人工智能时代下身份的转变与定位、通用大模型工具在教育教学中的多样化应用，采取讲座、沙龙等形式，开展系列专题培训活动，主要内容包括：

序号	内容
1	GPT模型发展历程与技术特点
2	生成式AI在教育教学中的应用
3	通用大模型工具的使用
	生成式AI应用与实践
	AI赋能教学应用案例分析
4	物理学与人工智能交叉方向初探
5	AI时代下经济学发展新机遇
6	从查询到对话:大模型如何重塑搜索体验
7	大模型时代的司法信息智能处理
8	基于大模型的AI助手构建与应用实践
9	数字人体孪生及在医学中的应用

二、 培训安排

第四期培训安排如下，欢迎感兴趣的教师踊跃参加！

（一） 培训主题

题目：物理学与人工智能交叉方向初探

简介：随着以大模型为代表的人工智能技术在各行各业取得了飞速的进展，结合人工智能方法在不同领域的交叉方向也成为了大家关注的问题之一。本次报告分为两个方面来介绍人工智能和物理学的交叉方向：Phys for AI，利用量子物理中的矩阵乘积算符表示方法，来优化人工智能模型和算法，如大模型的轻量化微调、模型扩容与推理加速。AI for Phys，利用人工智能技术加速功能性新材料的发现，同时生成特定性质的功能性新材料，如交互磁性材料，BCS超导体等。

主讲嘉宾：高泽峰，博士，中国人民大学物理学系副研究员。长期从事量子物理数值方法、预训练模型压缩、AI辅助功能性晶体材料的发现与生成的研究工作。基于矩阵乘积算符表示的神经网络、针对语音增强领域的模型压缩和小型化和面向预训练模型的轻量化微调与模型扩容三个方面，构建了基于矩阵乘积算符表示的理论方法。同时，应用人工智能方法辅助功能性新材料发现。已在本领域相关的国内外学术期刊和会议上发表论文十余篇，涵盖ACL、EMNLP、COLING、等人工智能重要会议和Phys.Rev.Research、IEEE TASLP等SCI重要期刊。其中，基于矩阵乘积算符实现预训练模型的过参数化过程的工作获得ACL2023最佳论文提名。近三年主持基金4项，包括国家自然科学基金青年项目1项与横向项目3项。

（二）时间地点

时间：2024年6月11日（周二）:15:00-17:00

地点：北京校区海淀校园图书馆一层第一会议室

         珠海校区励教楼F309（同步直播）

（三）报名方式

参加培训的教师请于6月11日上午10时前通过网页或微信报名。

1、北京校区

网页报名入口：https://jinshuju.net/f/kluK3P

微信二维码报名入口：

2、珠海校区

网页报名入口：https://gjb.bnuzh.edu.cn/jfwfwh5/train_event_detail?id=51

微信二维码报名入口：

三、 联系方式

党委教师工作部（教师发展中心）   兰莎莎   电话：010-58807867

珠海校区教务部教师教学发展中心  张  爽   电话：0756-3683908

        党委教师工作部（教师发展中心）      人工智能学院

物理与天文学院  珠海校区教务部教师教学发展中心

   2024年6月6日