技术每年都在变得越来越复杂，为新的科学创新和发现打开了大门，但有一个很大的缺点: 数据比以往任何时候都多，随着可用数据的增加，将其转换为有用的东西变得更加困难。能源部希望通过资助机器学习和人工智能研究来帮助解决这一问题，这些研究可能会 “使科学发现自动化”。

  这笔资金来自美国能源部 (DOE)，该部门表示将把这笔钱分配给总共五个研究项目，这些项目开发了针对科学事业的人工智能和机器学习算法。这些算法的目标是能够解析来自各种来源的大量数据，并使用它来提供见解，甚至做出新的科学发现。

  原始数据可以来自多种来源: 观察性研究，科学实验甚至模拟。通过这些项目开发的AI和ML系统可能能够使用这些数据来预测极端天气事件何时发生，从而提供对电网的动态见解，形成关于空间和物理的结论，等等。

  能源部对这些算法有自己的兴趣; 该机构拥有科学的用户设施，可以生成大量需要分析的数据。人类科学家对如此大量的信息进行分类以寻求突破，见解和发现是不合理的。

  美国能源部科学办公室高级科学计算研究副主任芭芭拉·海兰德 (Barbara Helland) 在有关其新资助计划的声明中说:

  科学应用，算法，体系结构和高性能计算生态系统正在发生颠覆性的技术变化。这些项目探索了人工智能和机器学习中潜在的高影响力方法，以帮助和自动化科学发现和数据分析日益复杂的问题。