Anya：我和 Christopher 的看法完全一样。在我博士后研究的最后阶段，我所在的团队开始使用机器学习，我想到我们是如何高估了某些东西的，这本质上只是花哨的回归。如果只是处理大量数据而不真正理解任何东西，科学性就会丧失。我非常确定我永远不想使用机器学习。我认为这只是一种炒作，会找到它的应用，但不会带来任何深刻的理解。我的轨迹与 Christopher 完全相同：更好地理解机器学习是什么，理解它的局限性。最终，它绝不是一个神奇的黑匣子，我看到了它可以为实际知识、基础物理和化学带来的价值。在机器学习方面真正让我震惊的是基于内核的方法和深度神经架构的众多功能。有时，您可以从模型的行为中真正看到属性中的模式。我对我们的一个项目感到非常兴奋。这是一种技术，我甚至可以说是一种哲学，即观察化学空间，观察数百万甚至数万亿种可能的分子，并尝试组织这个化学空间，同时带着一个特定的实际问题进行探索。我们想 伊朗电报数据 出了一种非常优雅且概念简单的方法来做到这两点，这使我们能够从非常浓缩的信息中预测分子的性质。通常，我们会用数千个数字将给定的分子表示给机器学习模型，并获得相当准确的预测，但现在我们可以用两三个数字来表示每个分子，并获得更好的预测。我认为这令人难以置信。更令人兴奋的是，我们将这个概念转移到了化学之外的领域，例如图像和语音识别。我认为这是一个非常普遍的概念，我对此感到非常兴奋。
我们在 HITS 讨论了跨学科性。您还与 Jan Stühmer 合作过，他是 2022 年 9 月在 HITS 成立的初级小组机器学习和人工智能的组长。
x