知识计算实验室主要研究方向为融合人工智能与前沿人工智能以及它们在数学、科学等领域的应用：

一、融合人工智能

研究如何融合连接流派/神经网络/大模型与符号流派/逻辑/知识方程，一方面解决大模型可靠性（幻觉）、可解释性、推理能力弱等问题，另一方面解决符号推理泛化性差与知识获取困难等问题，具体包括：

- 大模型与深度学习的边界探索

- 大模型与深度学习的知识计算模式

- 知识与逻辑增强大模型

- 新的符号知识模型

- 符号推理引擎

- 大模型与逻辑推理融合的Agent框架与系统

- 融合人工智能在数学、科学等领域的应用

二、前沿人工智能

- 类脑智能：如何借鉴生物神经网络的结构与机制启发新的人工神经网络模型？

- 采样强化与稀疏强化及其应用：如何利用强化学习解决采样问题，特别在稀疏情形？在求解微分方程及NP问题上如何应用？

- 统一的符号知识模型及其应用：能否像关系数据库之于数据一样，建立统一且好用的符号知识模型？

- 知识发现：能否从数据和隐式模型中发现显式知识、规律、概念与体系？

- 预测神经网络：能否利用预测机制大幅度增强神经网络与AI系统的能力？

- 结构化信息与神经网络：是否有更好的神经网络结构与机制处理结构化信息？

- 通用神经网络：如何像通用图灵机一样构建通用神经网络？

- 推理的基础理论：AI推理更像逻辑、概率、归纳还是类比？

- 学习的基础理论：如何联系与统一AI学习的本质，如压缩、拟合及PAC？

- 智能的数学模型：能否建立智能的数学模型？

- …………

三、AI4Math & AI4Science

- AI如何帮助数学家证明新定理及验证现有证明？

- AI如何求解微分方程，如薛定谔方程和NS方程等？

- AI如何帮助科学家发现新的科学假设与物质？

- AI如何帮助科学家从数据中发现新的科学规律、定理、概念与体系？