隨著技術復雜度的逐年提升，科學創新與發現的大門也在向著更多領域敞開。現在的問題是，由于數據比以往任何時候都要多，研究人員難以從中高效提取，使得技術轉化也越來越難。為此，美國能源部（DOE）決定為“自動化科學發現”的機器學習（ML）和人工智能（AI）研究項目，提供多達 1600 萬美元的資金支持。

來自美國能源部的這筆援助，將面向五個研究領域分配資金，主要涉及開發相關 AI、和為科學研究量身定制機器學習算法。

這些算法旨在解析各種來源的大量數據(觀察研究、科學實驗、甚至模擬)，并通過相關洞察力來催生新的的科學發現。

基于此打造的特定 AI 與 ML 系統，有望幫助預測極端天氣將于何時發生、提供對電網的動態觀察、以及形成與空間和物理相關的結論。

能源部顯然對這些算法提起了濃厚的興趣，且該機構擁有大量高端科學基礎設施，能夠成圣大量需要分析的數據。

另一方面，人類科學家一直在努力尋求見解和發現的突破，畢竟對如此大量的信息進行分類，已經遠超人類的能力極限。

最后，美國能源部科學辦公室高級科學計算研究副主任 Barbara Helland 在一份聲明中稱：

科學應用、算法、架構和高性能計算生態系統，正在推動顛覆性的技術變革。

這些項目探索了人工智能和機器學習中潛在的高影響力方法，協助科學發現和自動化數據分析，進而解決日益復雜的相關問題。