发表机构
Nagoya University; Kobayashi-Maskawa Institute for the Origin of Particles and the Universe (KMI); The University of Tokyo; RCCN, Institute for Cosmic Ray Research; Center for Data-Driven Discovery, Kavli IPMU (WPI), UTIAS; Kavli IPMU (WPI), UTIAS; RIKEN SPring-8 Center; Institute for Advanced Research, Nagoya University（名古屋大学; 小林-益川粒子起源宇宙研究所 (KMI); 东京大学; 宇宙线研究研究所 RCCN; 数据驱动发现中心，卡弗里宇宙物理学与国际前沿科学中心 (WPI)，UTIAS; 卡弗里宇宙物理学与国际前沿科学中心 (WPI)，UTIAS; 理化学研究所 SPring-8 中心; 名古屋大学高等研究院）
机构由 AI 辅助整理，请以论文原文为准。AI 中文总结
该报告梳理了FAIRS Japan 2024非会议提出的物理领域AI/ML研究机遇，明确了三大物理领域的共性技术主题，为科学AI发展提供方向。
AI 中文摘要
这份白皮书总结了通过FAIRS Japan 2024非会议流程确定的科学挑战与AI/ML研究机遇，讨论聚焦于加速器物理、宇宙学与天体物理学、中微子物理三大物理领域。尽管各领域有独特的科学目标与实验约束，仍涌现出多个共性技术主题：高维重建、快速准确模拟、不确定性传播、模拟-数据不匹配、异常检测、实时决策及共享基础设施。
英文摘要
This white paper summarizes scientific challenges and AI/ML research opportunities identified through the FAIRS Japan 2024 unconference process. The discussion focuses on three major physics domains: accelerator physics, cosmology and astrophysics, and neutrino physics. Although each domain has distinct scientific goals and experimental constraints, several common technical themes emerge: high-dimensional reconstruction, fast and accurate simulation, uncertainty propagation, simulation-to-data mismatch, anomaly detection, real-time decision-making, and shared infrastructure.
