本周AI热点回顾：学者向Linux提交「恶意代码」，结果整个大学被封；Deepfake这次不换脸了，直接换了座城市

01

1秒极速求解PDE：深度神经网络为何在破解数学难题上独具天赋？

两种基于深度神经网络的新方法，均可成功求解 PDE，并且能够以更快的速度、更简单的方式建模复杂的系统。有趣的是，和大多神经网络一样，我们猜不透它们为什么如此优秀。

让神经网络学习了如何解决偏微分方程是令人兴奋的，但还有很大的不足。一旦在一定的网格尺寸上进行训练，神经网络就变得非常特定于该分辨率。深度网络已经学会了预估将数据从一个有限维空间映射到另一个空间的函数。但以不同的分辨率求解偏微分方程时，如果想对流场有一个更细致的了解，或更改初始和边界条件，则需要重新开始训练，学习预估新的函数。

DeepONet

在 2019 年 10 月，Karniadakis 和他的同事把这种理论延伸到了深度神经网络，提出了「DeepONet」，一种可以学习这种算子并一次求解多个偏微分方程的深度神经网络架构。

论文链接：

http://arxiv-export-lb.library.cornell.edu/pdf/1910.03193

DeepONet 的独特之处在于它的分叉式架构，该架构在两个并行网络（「分支」和「主干」）中处理数据。前者学习预估输入侧的许多函数，后者学习预估输出侧的函数。然后，DeepONet 将两个网络的输出合并，以学习偏微分方程所需的算子。训练 DeepONet 的过程包括反复地展示使用数字求解器生成的一族偏微分方程的输入、输出数据，并在每次迭代中调整分支网络和主干网络中的权重，直到整个网络出现的错误量可以被接受为止。

傅里叶神经算子

去年，加州理工学院的 Anima Anandkumar 和普渡大学的 Kamyar Azizzadenesheli 共同建立了一个称为傅立叶神经算子（FNO）的深度神经网络。

论文链接：

https://arxiv.org/pdf/2010.08895v2.pdf

研究者声称新的架构使网络具有更快的速度，能将函数映射到函数，从无穷维空间到无穷维空间，并且在偏微分方程上测试了该神经网络。

信息来源：机器之心

02

Deepfake这次不换脸了，直接换了座城市

两张“平平无奇”的北京市卫星地图，其实只有一张是真的。

你能分辨出来吗？

其中一张是用Deepfake生成的虚假图像——“北京style”的华盛顿州塔科马市。

这次Deepfake不再用来换脸，而是用于制造假地图。

这个AI模型由多所大学的研究者共同构建，目的是学习如何检测伪造的图像，以便开发识别工具。

相关论文已经在《地图学与地理信息科学》杂志上发表。

作者表示，这项研究的目的并不是要证明地理空间数据是可以伪造的。

相反，是希望学习如何检测伪造的图像，以便地理学家可以开发数据识别工具，就像事实核查服务，用于实现公共利益。

此外，曾有学者开发了一个叫做Pix2pix的AI工具，将古代的旧地图转换为Google卫星图像，以更好地了解城市在数百年间的变化。

而现在这一方法，也可能在这一领域应用。例如，如果某一区域在过去一段时间没有卫星图像，那么可以根据现有图像创建模拟图像，用于了解该区域的城市扩张和气候变化。

信息来源：量子位

03

助力前沿基础科学研究，飞桨联手深度势能推动分子模拟新生态建设

开源开放已经成为驱动技术创新和加速产业发展的核心动能。开源开放对人类社会过去几百年科学和技术的发展起到非常重要的作用，让我们可以更快追踪到最新的技术进展。

深度势能（Deep Potential）开源方法通过运用“机器学习+多尺度建模+高性能计算”的方式解决了传统分子模拟过程中难以兼顾精度与速度的痛点，成功实现在第一性原理精度基础上的上亿原子的分子动力学模拟。

以深度学习为代表的机器学习方法在力场开发中的应用为发展高效精确的分子动力学方法带来了新机遇和新思路。无需从头学习难度高、迭代快的前沿科技，避免重复“造轮子”，应用AI的门槛更低、成本更低、效率更高。其中DeePMD-kit和DP-GEN是围绕Deep Potential Molecular Dynamics（DeePMD，深度势能分子动力学）开发的开源科学软件包。发布以来，在凝聚态物理、化学物理、材料理性设计、生物物理、药物分子设计等领域均得到广泛应用。

图片来源：http://chemlabs.princeton.edu/csi2020/

近期飞桨（PaddlePaddle）开源深度学习框架和深度势能开源社区的开发者们就深度势能分子动力学开源项目（DeePMD-kit）进行了跨领域深度合作，依托飞桨框架成熟的底层功能和动静统一的开发体验实现深度势能分子动力学模型的构建和运行，促进了双方在开发者生态上的双向融合，拓展了DeePMD-kit原有能力边界，增强在国产化硬件和大规模分布式训练上的能力，也让飞桨支持的科学计算开源项目中增加了重量级的一员。

信息来源：飞桨PaddlePaddle

04

重磅！清华大学成立集成电路学院，解决「卡脖子」问题

今日，清华大学成立了集成电路学院！设立集成电路学院是为了聚焦国家集成电路学科前沿，瞄准「卡脖子」问题，助力中国「芯」。

今日，清华大学「集成电路学院」揭牌成立！

在110周年校庆即将来临之际，迎来了令人振奋的消息。

这是清华大学面向国家重大战略需求，聚焦国家集成电路学科前沿，瞄准「卡脖子」问题，加快培养集成电路紧缺高层次人才的重要举措。

解决我国集成电路核心技术受制于人的关键在于人才，人才是产业创新的第一要素。

在中美科技角逐日益激烈的当下，集成电路行业由于其特殊地位成为了大家关注的焦点。

作为信息技术产业的核心，集成电路是支撑国家经济社会发展和保障国家安全的战略性、基础性和先导性产业，已成为实现科技强国、产业强国的关键标志。

在过去的十年里，我国集成电路产业快速发展，整体实力显著提升，设计和制造能力与国际先进水平差距不断缩小，封装测试技术逐步接近国际先进水平，产业集聚效应日趋明显。

但是，与先进国家和地区相比，我国集成电路技术依然存在较大差距，持续创新能力薄弱，高端芯片产品大量依赖进口，难以对构建国家产业核心竞争力、保障信息安全等形成有力支撑。

电子科技大学电子科学与工程学院的副教授黄乐天曾在《浅谈集成电路成为一级学科》的文章中谈到，「曾经的集成电路是一种元器件，而电路设计是用不同类型的元器件在电路板上构成功能电路。

随着集成电路技术在摩尔定律的驱动下飞速发展，集成电路由一种元器件发展成为了电子系统的核心。集成电路就由原来的一种元器件变身成为了电子信息系统的主要载体。」

「集成电路科学与工程」学科最初是在复旦大学先实行。清华大学成立的「集成电路学院」必将进一步融合相关优势学科，对集成电路的核心技术攻关创新，加快领军人才的培养。

可以确定的是，一波后浪就要来了...

信息来源：新智元

05

为写论文，华人学者向Linux提交200多条「恶意代码」，结果整个大学都被Linux封了

近日，国外学术圈出现了一件「新鲜事」，明尼苏达大学的两位华人研究者在写论文时尝试将坏补丁（bad patch）放入 Linux 内核中作为「测试」，用于研究开源社区的漏洞。但当其他研究者继续贡献「带 bug 代码」的时候，却发现 Linux 内核管理员 Greg Kroah-Hartman 终结了他的行为，并将整个明尼苏达大学拉入了 Linux 黑名单。

此前，明尼苏达大学计算机科学与工程系博士生 Qiushi Wu 及其导师助理教授 Kangjie Lu 合作写了一篇《On the Feasibility of Stealthily Introducing Vulnerabilities in Open-Source Software via Hypocrite Commits》论文，尝试将 UAF（Use-After-Free）漏洞放入 Linux 内核。通常来说，这种 Red Team 安全检测很常见，并且该论文已经被 2021 IEEE 安全与隐私研讨会接收。

当其他研究者再次尝试提交代码时，却发现 Linux 内核管理员 Greg Kroah-Hartman 已经将整个明尼苏达大学「拉黑」了。

论文地址：https://github.com/QiushiWu/QiushiWu.github.io/blob/main/papers/OpenSourceInsecurity.pdf

信息来源：机器之心

飞桨(PaddlePaddle)以百度多年的深度学习技术研究和业务应用为基础，是中国首个开源开放、技术领先、功能完备的产业级深度学习平台，包括飞桨开源平台和飞桨企业版。飞桨开源平台包含核心框架、基础模型库、端到端开发套件与工具组件，持续开源核心能力，为产业、学术、科研创新提供基础底座。飞桨企业版基于飞桨开源平台，针对企业级需求增强了相应特性，包含零门槛AI开发平台EasyDL和全功能AI开发平台BML。EasyDL主要面向中小企业，提供零门槛、预置丰富网络和模型、便捷高效的开发平台；BML是为大型企业提供的功能全面、可灵活定制和被深度集成的开发平台。

END