Umetna inteligenca in znanstvena odkritja: paradigme, napredek in potencial V okviru splošnega navdušenja nad umetno inteligenco je vseskozi prisotno zanimanje za uporabo te tehnologije pri odkrivanju znanja na različnih področjih znanosti. Kot sama umetna inteligenca ima tudi to podpodročje dolgo zgodovino in številne uspehe, a tudi izzive. V predavanju se bom osredotočil na dva problema, ki sta pritegnila precejšnjo pozornost: odkrivanje matematičnih enačb in gradnjo kvalitativnih procesnih modelov. Za vsak problem bom najprej podal definicijo računske naloge, nato pregledal osnovne pristope in poročal o njihovih uspehih, ki so vodili do znanstvenih spoznanj. Nato se bom posvetil tretji paradigmi – induktivnemu procesnemu modeliranju – ki presega prejšnja prizadevanja za tvorjenje kvantitativnih razlag znanstvenih podatkov ob upoštevanju področnega znanja. Predstavil bom več pristopov k induktivnemu procesnemu modeliranju, spodbudne rezultate in zaključil z razpravo o odprtih vprašanjih, ki si zaslužijo nadaljnjo pozornost znanstvene skupnosti na področju umetne inteligence.
Načrtovanje funkcionalnih kovinsko-organskih ogrodij z računalniškim napovedovanjem kristalnih struktur
Kovinsko-organska ogrodja (MOF-i iz angleškega metal-organic frameworks) so zelo vsestranski materiali z različnimi funkcionalnimi aplikacijami, kot so na primer shranjevanje in ločevanje plinov, kataliza, čiščenje vode in zaznavanje. Načrtovanje novih MOF-ov je...