摘要：

"What I can not create, I do not understand"

                                                    -Richard Feynman

與拟合、預測等“判别型”任務不同，“生成型”人工智能通過對數據生成過程建模，揭示潛在支配變量、創造新的數據樣本。生成型人工智能對于科學文獻與數據建模、分子與材料反向設計、以及求解量子多體問題展現出“判别型”難以企及的巨大潛力。在這個報告中，我将介紹生成模型的基本概念，讨論它們與統計物理的密切關聯，并舉例說明基于生成模型的變分自由能方法在稠密氫研究中的應用。