5月15日下午，物理科学与技术学院本学期第二场“教授面对面”毕业生专场活动在9557活动室成功举办。庞龙刚教授围绕AI发展历程、科研应用前景与未来趋势展开讲解，为在场学子带来了一场兼具前沿性与实用性的学术讲座。

教授简介

庞龙刚，华中师范大学物理科学与技术学院教授。目前主要研究方向有人工智能和核物理交叉学科研究，原子核结构和核物质状态方程，自动微分编程与PINN在反问题与变分问题中的应用，物理仿真与决策智能等。两次入选全球前2%顶尖科学家榜单。

活动现场

座谈内容

活动开始时，教授回顾了人工智能的发展历程。他提到，自从卷积神经网络（CNN）在图像识别和信号处理领域取得突破以来，AI技术已经逐步渗透到科研、工业和日常生活中。通过实例讲解，教授指出，AI不仅能够进行大规模数据分析，还能在复杂系统优化、反问题求解、自动微分以及电子信息领域的建模中发挥重要作用。例如，在处理麦克斯韦方程组或等离子体物理模拟时，AI能够帮助科研人员快速逼近最优解，大幅提高计算效率。

为了让学生更直观地理解人工智能的工作原理，教授将神经网络比作一个矩阵网络，“每个神经元就像矩阵中的一个节点”，通过输入数据不断训练和调整节点权重，从而优化整个网络的输出。他强调，这一过程的核心依赖于扎实的数学基础，特别是线性代数和微积分。只有理解了基础理论，学生才能真正掌握AI的底层逻辑，避免成为“只会使用工具”的被动学习者。

在谈到国内外AI的差距时，教授直言不讳：当前，国外平台如ChatGPT、Gemini在算法优化、算力资源和大规模训练数据方面具有优势，因此在自然语言处理、生成式AI以及科研辅助工具上表现更加成熟。而国内AI虽在快速发展，例如豆包等本土平台，但在训练数据规模、模型精细调优以及国际前沿技术的落地应用上仍有一定差距。教授提醒学生，技术的先进性固然重要，但最终科研与工程的责任仍落在使用者自身，不能完全依赖AI，必须保持独立思考与判断力。

本次活动不仅涵盖AI理论，还延伸到物理学前沿研究，如卡斯米尔效应和等离子体物理，教授展示了如何将AI应用于复杂科学问题的建模和优化。他以网页设计为例，讲解AI如何参与数据处理、自动生成内容及优化交互界面，让学生感受到AI跨学科应用的巨大潜力。

活动现场气氛热烈，学生们踊跃提问：有人关心如何将AI与实验物理结合，有人希望了解国内外AI发展的最新趋势，还有同学探讨如何通过AI提升科研效率。教授逐一回应，分享了自己在科研和教学中使用AI的亲身经验，并强调学生应积极跟随时代发展，将AI作为提升效率和创新思维的工具，而非替代自身判断的“万能钥匙”。

活动结束时，许多学生表示，这次面对面交流让他们对AI有了更全面的认识：不仅理解了神经网络的原理和训练流程，也意识到数学基础的重要性，更明确了AI在科研、工程和日常生活中的应用价值与局限性。他们表示，将结合所学知识，在未来的科研实践中探索AI创新应用，提升自身综合能力。

华大物院“格致”生涯教育与学习发展中心

通讯员｜吴　欢

责　编｜李博扬

审　校｜马　英　谢雨村