請理學院、計科院等相關學院注意查閱通知組織申報。

校內申報截止時間：10月18日

聯系人：李昆成  2339

楊兆中  2023.09.25

 

2023年度國家自然科學基金數學天元基金-深圳
“數學與智能+”交叉重點專項申請指南

https://www.nsfc.gov.cn/publish/portal0/tab434/info90342.htm

　　為了推進數學理論、方法與技術在醫療健康、電子信息、數字經濟等領域中的交叉融合與應用研究，推動數學在戰略性新興產業中的創新發展和應用落地，支撐粵港澳大灣區國際科技創新中心與綜合性國家科學中心建設，國家自然科學基金數學天元基金和深圳市科技創新委員會聯合設立“數學與智能+”交叉重點專項（以下簡稱交叉重點專項）。現征集2023年度交叉重點專項申請，具體說明和要求如下：

　　一、 科學目標

　　重點圍繞數學與數字經濟的“智能+”融合研究，促進應用數學和產業技術創新融通發展。本年度聚焦醫療健康、生命科學等領域，針對醫療健康大模型的構建與應用，開展數學理論、方法與技術的創新攻關研究，以期為重大疾病精準診療提供新方法，進一步促進醫療模式創新、優化醫療服務供給，為健康中國戰略實施提供理論基礎與技術支撐。

　　二、 資助研究方向

　　本交叉重點專項項目擬資助以下研究方向：

　　（一）基于隨機矩陣極限理論的大模型機理研究。

　　針對大模型機理研究需求，建立以模型參數規模(P)、訓練數據規模(N)、學習質量(如訓練模型所達到的損失函數梯度值?l)為三元變量的隨機矩陣譜分布極限理論，并用以刻畫線性/廣義線性大模型泛化性與P,N,?l之間的變化規律；推導收縮率(Scaling Law)并解釋大模型的涌現現象；研究大模型最優（較優）性能的模型規模、數據規模、學習質量之間的最優匹配律，并實驗驗證；應用線性近似方法或核方法，推廣上述結果到非線性情形。

　　（二）大模型約化的數學理論與方法。

　　針對大模型的約化開展學習方法論模擬（SLeM）、大模型幾何景觀、雙層優化等創新學習范式與優化理論研究，聚焦于：研究任務的指令化表示與分解體系，構建“任務→方法論學習→方法更新→完成任務”的大模型“單路徑”約化方法；研究基于元數據、元知識的大模型約化雙層優化理論與高效算法，構建基于SLeM理論的大模型約化學習理論與方法；研究文本、圖像雙模態下的大模型幾何景觀性態，提出基于幾何景觀的大模型約化理論與方法；將所提出的大模型約化理論與方法用于醫學多模態大模型，取得顯著成效。

　　（三）支持醫學大模型的元數據治理方法與平臺。

　　數據數量和質量是構建大模型的必要條件。為攻關研發醫學大模型需要，建立醫療元數據中心平臺及醫療病歷、影像等多模態醫學數據采集、質控、去隱私化、標注的規范和智能技術；聯合不少于50家國內高水平醫院，構建不少于2萬例頭部、胸部、腹部CT、MR標準數據集，其中標注數據不少于1萬例；提出醫療數據隱私保護與分析共享兼備、分層治理與風險優化的數學模型與數學方法；構建基于可信安全計算的多模態醫學大模型智能算力平臺；驗證支持大模型訓練和不少于2項專科醫學智能診斷的下游應用，為醫學基礎大模型研究提供持續的高質量數據與算力平臺支撐。

　　（注：本項目擬資助經費300萬元，承擔單位需具有對多中心數據的統籌管理資質。）

　　（四）醫學影像判讀大模型的研發與關鍵技術。

　　基于自主可控基礎大模型平臺，研發首款醫學影像判讀大模型。聚焦突破：語言和圖像雙模態對齊融合、混合推理、圖生文、文生圖關鍵技術，醫學影像知識增強的語言基礎大模型和語言-圖像基礎大模型，基于增強語言大模型的醫學影像自動標注方法，醫學影像描述報告自動生成技術，醫學影像判讀報告自動生成技術等；集成所提出的新技術，研發醫學影像自動描述系統和報告自動生成系統，并在10家以上三甲醫院試點應用。

　　（注：本項目擬資助經費300萬元。）

　　（五）支持醫學大模型高效訓練的移動計算。

　　針對醫療數據分散存儲所帶來的醫學大模型訓練難題，實現“計算貼近數據”的移動計算范式創新，發展高效實用的分布式學習算法，并支持醫學大模型的高效訓練和應用。重點研究：基于數據并行、模型分解的無通信、統計高效、無偏的“分解-聚合”分布式訓練算法；適應于醫學影像多模態處理、異構計算的通信高效類分布式訓練算法；帶隱私保護醫學大數據的高效處理與分析算法；搭建移動計算平臺，實現30P以上算力的可移動部署，支撐醫學大模型的搭建和高效訓練及下游應用。

　　（注：本項目承擔單位需配套移動計算平臺的硬件經費。）

　　（六）醫學影像大模型的評測與應用模式研究。

　　構建開源數據、生成數據與專有數據相結合的醫學影像大模型評測標準數據集，提出醫學影像大模型評測的指標體系與評測方法；研發醫學影像“指令-答案”對的智能和漸進標注算法；研究不同威脅級別和不同攻擊強度的風險遷移、噪聲添加及對抗測試算法。研建端側和云側間數據、特征、模型及參數協同鏈路，實現醫學影像端側個性化推理小模型和云側基礎大模型的協同進化；設計軟硬件聯合優化的醫學影像大模型蒸餾、微調和增量訓練加速算法。面向心血管類疾病，基于ECG、超聲、CT、PET、視頻等多源影像數據，研制覆蓋報告生成、病灶勾畫、干預方案設計、治療效果預測等核心場景的醫學影像診療一體化系統，并在5家以上大型醫療機構及其醫共體開展應用示范。

　　（七）多模態醫學超聲基礎大模型及其應用。

　　針對超聲影像標準化程度低的突出挑戰，研發超聲影像判讀專用基礎大模型。聚焦研究： 超聲影像的數學化表示與標準化方法；不少于1萬例的帶標注的超聲影像標準數據集；超聲影像知識增強的語言基礎大模型和語言-圖像基礎大模型；基于指示性強化學習的超聲大模型微調高效算法，基于大模型、語義精確可控的陽性病例高維多模態影像合成算法；基于大模型和因果算法的影像自動判讀與報告生成數學模型與方法；開發高精度和高泛化性能的超聲掃查導航、實時質控和診斷智能系統，并開展產前和心臟領域臨床示范應用。

　　（八）指導蛋白質設計與改造的AI模型與系統。

　　針對蛋白質工程研發全新的兼顧序列和結構信息的預訓練模型及下游任務技術需求，建立億級數據量且面向極端環境標注蛋白序列的核心壁壘蛋白數據庫；發展基于粒子系統和消息傳遞的Transformer及GNN的數學理論及AI模型；用Transformer學習蛋白質序列信息，用GNN學習蛋白質結構信息，將二者結合研發全新的針對蛋白質工程的預訓練框架和下游任務實現AI模型與系統。在10個以上藥用或者工程蛋白上，濕實驗驗證所開發的系統，實現僅只需少量（<100）突變實驗數據就能獲得性能優越的滿足工程需求的多點位突變的蛋白質產品。

　　（九）基于人工智能的多肽藥物設計大模型。

　　開發能夠針對任意給定靶點蛋白預測活性多肽的AI模型。重點研究：如何設計AI模型與算法，以快速鎖定在指數增長的序列空間中對給定靶點蛋白有藥效活性的子空間；如何將AI方法與基于第一性原理的計算化學方法結合，提出更加高效的多肽藥物設計原理與方法；基于已有蛋白質大語言模型，突破以靶點蛋白作為提示的微調技術，研發專用多肽藥物設計AI模型，實現在較短時間內將多肽藥物的序列空間縮小到濕實驗可承受的范圍，提升多肽藥物研發效率。基于所研發的模型，完成1-2個多肽藥物的快速設計，驗證所研發模型的有效性。

　　（十）基于三室建模的微重力腦超微結構調控理論與方法。

　　針對微重力環境下神經興奮與細胞微環境、血流的偶聯作用機制不明的科學問題，應用大數據統計分析和深度學習算法，以不同重力狀態下的各結構參數為基礎數據集，研究正常重力及微重力下細胞外間隙、血流、腦電信號變化規律，應用微分方程建模與數值模擬方法，研究正向調控技術對超微結構的作用與機制，揭示單室刺激下的三室變化規律，建立微重力條件下神經興奮功能變化的數學模型；基于新模型，探索多元素增強的復雜關系表達，構建基于三室模型的神經調控和腦保護新方法，為不同重力條件下的腦保護提供數學技術的新理論、新方法。探索構建基于三室模型及新調控方法的神經系統疾病早期診斷和治療計劃制定的“診療一體化”系統，開展基于新理論和新方法的臨床試點應用。

　　（十—）顱內腫瘤多模態數據融合的可通用診療模型及系統。

　　可通用疾病診療大模型面臨多模態數據融合、資源受限時的基礎模型微調和多病種多任務優化等挑戰。本項目面向顱內腫瘤，擬開展多癌種、多模態可通用診療大模型的構建、微調和評測應用研究，包括：研究醫學影像、病理圖像、高通量測序和報告文本等多模態數據對齊和融合方法，利用至少6萬例顱內腫瘤數據構建生物學知識融入的影像-病理-基因多模態基礎模型；研究基于少量標注數據、資源受限時的基礎模型參數高效微調方法，使之適用于診斷分型、預后評估和新亞型發現等多種下游任務；開展多種常見大模型的微調性能評測和多樣化臨床任務應用研究，探索最優的診療大模型微調策略。

　　（十二）基于多語言大模型微調的中西醫結合風濕病診療系統。

　　針對中西醫結合診療風濕病機理不清問題，構建以多語言(中、英、古漢語)為載體的醫學文本數據集，研究適合中文語言特色的大模型微調新方法和新技術；構建醫學影像、病理、臨床、生物分子多組學等多模態風濕病數據集，研究跨模態特征關聯學習方法將各類型信息融入微調過程促進大模型在垂直領域的“智能涌現”；針對風濕病的2到3個核心證候，對大模型進行提示調優對齊，減低或避免大模型的“偏見”和“幻覺”影響，形成新一代中西醫結合風濕病診療系統，并實現示范應用。

　　（十三）基于交互反饋和領域經驗的大模型持續優化與專病輔助診療。

　　面向典型疾病，基于不少于百萬名患者的跨模態真實醫療數據，研發支持輔助診療的大模型應用系統。系統能在真實診療環境下，實現患者精準診療方案的計算機智能決策優化；可動態學習由臨床專家就個體患者治療效果與康復進程動態提供的多類型領域經驗與多模態反饋，并自適應學習對于不同疾病史患者的個體化最佳診療決策。研究與提出在保證患者隱私與安全的前提下，基于真實世界海量異質醫療數據學習，能穩定可靠做出高質量診療決策的大模型系統；研究與提出支持上述能力的多模態計算機輔助診療大模型持續改進理論及相應的基礎數學技術；研究與提出基于交互反饋和多模態領域經驗的大模型高效優化理論與增量學習方法。應用上述大模型系統，在不少于五種專病領域，開展真實世界的輔助診療應用驗證，并在智聯網環境下開展覆蓋不少于兩百萬人口的促進普惠醫療和三級診療的區域性示范應用。

　　（十四）基于核醫學影像分析/判讀的智能診療一體化基礎模型與系統。

　　研究針對醫學圖像學習和推理規則的內蘊關聯，建立大模型在醫學影像的遷移、可解釋性和泛化的模式及機理，構建多模態核醫學影像的通用特征表示模型和基于大模型的核醫學影像自監督學習范式；提出基于PET影像的全身器官高精度分割、配準和病灶快速識別方法；探索PET與CT/MR相互校正和融合的算法，得到基于影像的定量藥物放射性活度，開展關聯核素藥物攝取和生物效應的圖像分析，建立模型和數據雙驅動的藥代動力學分析方法；探索基于多源醫療數據的腫瘤自動篩查、診斷、療效評估的算法，基于萬例以上多中心核醫學影像大數據，構建基于核醫學影像的病灶識別、診斷和治療計劃制定的“診療一體化”系統，開展基于核醫學影像的治療規劃系統（TPS）的試點應用。

　　三、 資助方式與資助計劃

　　以重點項目群的方式資助，項目資助周期不超過五年。項目執行期前兩年由數學天元基金與深圳市聯合資助（側重于理論與方法，每項200萬元，有特別注明的項目，每項300萬元）；對于明確在深圳市轉化落地的項目，后三年擬由深圳市資助（側重于技術與應用落地，每項不低于300萬元）；項目資助采取淘汰機制，執行兩年后進行中期評估，評估優秀的項目可獲連續資助。項目研究團隊須由包含數學、醫學、信息等不同領域的專家組成，采取雙負責人制（其中，排名第一負責人為項目總體負責人）。

　　2023年擬資助不超過14項。申請書中的研究期限應填寫為：2024年1月1日至2025年12月31日。

　　四、 申請要求及注意事項

　　（一）申請條件。

　　本重點專項項目申請人應當具備以下條件：

　　1.具有承擔基礎研究課題的經歷；

　　2.具有高級專業技術職務（職稱）。

　　在站博士后研究人員、正在攻讀研究生學位以及無工作單位的人員不得作為申請人進行申請。

　　（二）限項申請規定。

　　1.本重點專項項目不計入高級專業技術職務（職稱）人員申請和承擔總數2項的范圍。

　　2.本重點專項項目申請人和參與者只能申請或參與申請上述十四個研究內容之一的項目。

　　3.申請人同年只能申請1項重點專項項目。

　　（三）申請注意事項。

　　1.本重點專項項目試行無紙化申請，申請接收時間為2023年10月14日－2023年10月20日16時。請申請人2023年10月13日后登錄科學基金網絡信息系統https://grants.nsfc.gov.cn/（沒有系統賬號的申請人請向依托單位基金管理聯系人申請開戶）撰寫申請書。項目合作研究單位數量不得超過2個。

　　2.申請人在填報申請書前，應當認真閱讀本項目指南和《2023年度國家自然科學基金項目指南》中申請須知的相關內容，不符合項目指南相關要求的申請項目將不予受理。

　　3.申請書研究內容應和本指南資助研究內容一致，項目名稱要求選擇上述十四個研究方向目之一，否則將不予受理。申請書資助項目類別選擇“數學天元基金項目”，亞類說明選擇“數學天元基金”，附注說明填寫“‘數學與智能+’交叉重點專項”。在正文的最前面標明所選研究方向的序號及標題。所有項目申請代碼1均應選擇數學學科申請代碼。以上選擇不準確或未選擇的項目申請將不予受理。

　　4.數學天元基金項目無間接費用，申請經費為直接費用。申請人應根據《國家自然科學基金資助項目資金管理辦法》的有關規定，以及《國家自然科學基金項目資金預算表編制說明》的具體要求，按照“目標相關性、政策相符性、經濟合理性”的基本原則，認真編制《國家自然科學基金項目資金預算表》。

　　5.申請人完成申請書撰寫后，在線提交電子申請書及附件材料。申請材料中所需的附件材料（有關證明材料、審批文件和其他特別說明要求提交的紙質材料原件），全部以電子掃描件上傳。

　　6.依托單位應對本單位申請人所提交申請材料的真實性、完整性和合規性進行審核；對申請人申報預算的目標相關性、政策相符性和經濟合理性進行審核。具體要求如下：

　　（1）本交叉重點專項項目采用無紙化申請方式，依托單位只需在線確認并及時提交電子申請書及附件材料，無需報送紙質申請書。項目獲批準后，將申請書的紙質簽字蓋章頁裝訂在《資助項目計劃書》最后，與之一并提交。簽字蓋章的信息應與信息系統中的電子申請書保持一致。

　　（2）依托單位完成電子申請書及附件材料的逐項確認后，應于申請材料提交截止時間前通過科學基金網絡信息系統上傳本單位科研誠信承諾書的電子掃描件（請在信息系統中下載模板，打印填寫后由法定代表人簽字、依托單位加蓋公章；若當年已上傳本單位科研誠信承諾書的電子掃描件，則不用再重新提交），無需提供紙質材料；須在項目申請截止時間后24小時內在線提交項目申請清單。

　　五、 聯系方式

　　1.填報過程中遇到的技術問題，可聯系國家自然科學基金委員會信息中心協助解決，聯系電話：010-62317474。

　　2.其他問題可咨詢國家自然科學基金委員會數理科學部數學科學處：

　　聯系人：趙桂萍

　　電　話：（010）62327191

　　郵　箱：zhaogp@nsfc.gov.cn