核物理作为探索物质微观结构和强相互作用规律的基础学科，不仅为理解原子核结构、核反应以及夸克-胶子等离子体物质状态等提供理论基础，也为能源、医疗和材料等领域的技术发展提供支撑。其研究范式依赖高精度实验、大规模理论计算以及数据统计分析。快速发展的人工智能技术已被广泛应用于核物理研究，不仅加速了高维模拟计算、实验数据处理和稀有事件识别，还推动了实验设计、装臵优化和理论建模的智能化。AI为核物理研究打开了新的思路，正在深刻改变核物理学科的发展模式。

本报告首先回顾人工智能在核物理研究中的应用历史与发展过程，从早期基于简单神经网络的模式识别，到近年深度学习、生成模型和物理知识嵌入的大模型在模拟计算、实验数据处理、信号识别和稀有事件探测中的应用，系统梳理了 AI 技术如何逐步融入核物理研究。随后分析当前核物理研究面临的核心挑战，包括实验数据量的快速增长带来的存储与分析压力、高精度理论计算受限于计算资源、复杂大科学装臵的操作与优化难题。针对这些挑战，人工智能提供了多维度解决方案，例如：基于深度学习的信号与图像处理可实现高精度、实时的数据分析；生成模型和仿真工具可用于稀有事件重建与参数空间探索。最后，报告展望了未来核物理与人工智能深度融合的可能方向，包括推动实验智能化、提升计算效率、探索新型物理现象、构建跨学科智能研究平台、大科学装臵的自主优化与智能运行、物理知识图谱和符号推理方法辅助理论建模与实验设计。展现AI 在加速核物理学科发展与推动学科前沿研究中的潜力。