摘要：

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

                                                    -Richard Feynman

与拟合、预测等“判别型”任务不同，“生成型”人工智能通过对数据生成过程建模，揭示潜在支配变量、创造新的数据样本。生成型人工智能对于科学文献与数据建模、分子与材料反向设计、以及求解量子多体问题展现出“判别型”难以企及的巨大潜力。在这个报告中，我将介绍生成模型的基本概念，讨论它们与统计物理的密切关联，并举例说明基于生成模型的变分自由能方法在稠密氢研究中的应用。