理论

在 AI 的帮忙下，越来越多的数学题目得到了办理。AI在数学领域的应用对大家来说并不陌生了。数学家陶哲轩作为倡导者，一直走在应用AI辅助注明的前沿。他倡导应用像Lean和Coq这样的注明帮忙对象。这些对象可以形式化和验证复杂的数学注明，减少人为错误的可能性。也有不少数学家在他的启发下有了新成果，例如利用AI形式化费马大定理的注明。他参与了由Talia Ringer发起的AI在数学中资源列表的推广和…

编辑 | 萝卜皮通常，矩阵乘法 (MatMul) 在大型言语模型（LLM）总体盘算成本中占据主导地位。随着 LLM 扩展到更大的嵌入维度和上下文长度，这方面的成本只会增加。加州大学、LuxiTech 和苏州大学的钻研职员声称开发出一种新格式，通过消除过程中的矩阵乘法来更有效地运行人工智能言语模型。这从根本上重新设计了目前由 GPU 芯片加速的神经网络操作方式。钻研职员描述了如何在不使用 MatMu…

AI 考古，追溯到了祖师爷头上。当今 AI 领域爆火的大言语模型（LLM），其原理是香农提出来的？今天，普林斯顿大学教授承现峻（Sebastian Seung）抛出了这样一个观点：1951 年，在贝尔实验室（总部位于新泽西州 Murray Hill）工作的克劳德・香农提出了预测下一个单词的问题，这成为了当前大言语模型（LLM）的种子。此刻很多看似新潮前沿的概念，其实距离提出已经相隔了好几十年，即使…

编辑 | 萝卜皮一项新的人工智能应用将帮助研讨职员提高药物研发能力。该项目名为 TopoFormer，是由美国密歇根州立大学（Michigan State University）数学系 Guowei Wei 教授领导的跨学科团队开发的。TopoFormer 将份子的三维信息转化为典型的基于人工智能的药物相互作用模型可以利用的数据，扩展了这些模型猜测药物有效性的能力。「有了人工智能，你可以让药物研发…

当训练数据集和测试数据集的分布相同时，机器学习模型可以表现出优越的机能。然而在开放世界环境中，模型经常会遇到分布外（Out-of-Distribution, OOD，下称“OOD”）样本，OOD样本可能会导致模型做出不可预测的行为，而错误的后果可能是致命的，尤其是在自动驾驶等高风险场景中 [1, 2]。因此OOD检测对于保障机器学习模型在实际部署中的可靠性至关重要。大多数OOD检测方式 [1, 3…

作者 | 佐治亚理工学院王浩瑞编辑 | ScienceAI份子发明作为优化问题，因其优化宗旨可能不可微分而带来显著的计算挑战。退化算法（EAs）常用于优化份子发明中的黑箱宗旨，通过随机突变和交叉来遍历化学空间，但这会导致大量昂贵的宗旨评价。在这项工作中，佐治亚理工学院、多伦多大学和康奈尔大学研究者合作提出了份子说话增强退化优化（MOLLEO），通过将拥有化学知识的预训练大说话模型（LLMs）整合到…

来自清华大学AIR、北京大学、南京大学的研究团队提出了 ESM-AA 模型。该模型在卵白质说话建模范围取得了重要进展，提供了一套整合多标准信息的统一建模方案。它是首个能同时处理氨基酸信息和原子信息的卵白质预训练说话模型。模型的出色机能展现了多标准统一建模在克服现有局限和解锁新能力方面的巨大潜力。作为基座模型，ESM-AA 获得了多位学者的关注与广泛讨论（截图见下方），被认为有潜力基于 ESM-AA…

编辑 | 萝卜皮在药物研发中，确定小分子配体对蛋白质的分离亲和力和功效效力至关重要。目前的计算要领可以展望这些蛋白质-配体相互作用特性，但如果没有高分辨率的蛋白质构造，通常会失去准确性，并且无法展望功效效力。莫纳什大学（Monash University）和格里菲斯大学（Griffith University）的钻研人员开发了 PSICHIC（PhySIcoCHemICal graph neura…

编辑 | 枯叶蝶准确识别药物-靶标相互作用（DTI）是药物发现和药物重新定位过程中的关键步骤之一。目前，已经提出了许多鉴于计算的模型来预计 DTI，并取得了一些显著的进步。然而，这些法子很少关注如何以适当的方式融会与药物和靶标相关的多视角相似性搜集。此外，如何充分结合已知的相互作用关系来准确表示药物和靶标尚未得到很好的研讨。因此，仍然需要提高 DTI 预计模型的准确性。在最新的研讨中，郑州大学、电…

INDUS 以南天星座命名，是一套全面的大型语言模型，支持五个迷信畛域。（根源：NASA）编辑 | KX在大量数据上训练的大型语言模型 (LLM) 在自然语言理解和生成任意上表示出色。大多数流行的 LLM 利用 Wikipedia 等通用语料库从事训练，但词汇的分布变化导致一定畛域的性能不佳。受此启发，NASA 与 IBM 合作开发了 INDUS，这是一套全面的 LLM，专为地球迷信、生物学、物理…

编辑 | 萝卜皮在三十亿年的做作退化历程中，现存卵白质的形态得以形成，经历了漫长的做作筛选过程。退化如同在地质时间尺度上进行的平行试验，通过随机突变和选择机制，依据卵白质的序列、构造与功效进行筛选。在这里，EvolutionaryScale 的钻研职员展示了在退化产生的标记上训练的言语模型可以充当退化模拟器，用于生成不同于已知卵白质序列的功效性卵白质。钻研职员提出了 ESM3，这是一种前沿的多模态…

编辑 | 萝卜皮糖类是自然界中最丰富的有机物质，对生命至关重要。了解糖类如何在生理和病理过程中调节卵白质，可以为解决关键的生物学问题和开发新的治疗格式提供机遇。然而，糖类份子的多样性和复杂性，对实验鉴别糖-卵白质连系以及相互作用的位点提出了挑战。在这里，中国科学院团队开发了一种深度学习模型 DeepGlycanSite，它能够准确展望给定卵白质构造上的糖连系位点。DeepGlycanSite 将卵…

方向完全搞错了？大言语模型（LLM）为什么空间智能不足，GPT-4 为什么用言语以外的数据训练，就能变得更聪明？现在这些问题有 「标准答案」了。近日，一篇麻省理工学院（MIT）等机构发表在顶级学术期刊《自然》杂志的文章观察到，人类大脑生成和解析言语的神经收集并不负责模式化推理，而且提出推理并不需要言语作为媒介。这篇论文声称「言语主要是用于调换的对象，而不是思虑的对象，对于任何经过测试的思想模式都不…

作者 | 康奈尔大学杜沅岂编辑 | ScienceAI随着 AI for Science 受到越来越多的关注，人们更加关心 AI 如何解决一系列科学问题并且可以被成功借鉴到其他相近的领域。AI 与小份子药物创造是其中一个非常有代表性和很早被探索的领域。份子创造是一个非常困难的拉拢优化问题（由于份子布局的离散性）并且搜寻空间非常庞大与崎岖，同时考证搜寻到的份子属性又十分困难，平时需要昂贵的实行，至少…

论文标题：Feature Contamination: Neural Networks Learn Uncorrelated Features and Fail to Generalize论文链接：：，深度神经搜集 SGD scaling的机器进修范式再次证明了其在AI领域的主导地位。为什么鉴于深度神经搜集的范式能够取得成功？比较普遍的观点是：神经搜集具有从海量的高维输入数据中自动进修抽象而可泛化…

编辑 | 紫罗AI 在简化药物发现方面的应用正在爆炸式增长。从数十亿种候选份子中挑选出可能具有开发新药所需特性的份子。需要思虑的变量太多了，从材料价格到出错的风险，即使科学家应用 AI，权衡分解最好候选份子的利润也不是一件容易的事。在此，MIT 钻研职员开发了一个定量决议计划算法框架 SPARROW，来自动识别最好份子候选物，从而最大限度地降低分解利润，同时最大限度地提高候选物具有所需特性的可能性…

作者 | 香港中文大学白帆编辑 | ScienceAI近日，香港中文大学和智源联合提出的 M3D 系列工作，包括 M3D-Data, M3D-LaMed 和 M3D-Bench，从数据集、模型和测评全方面推动 3D 医学图象阐发的发展。（1）M3D-Data 是目前最大的 3D 医学图象数据集，包括 M3D-Cap (120K 3D 图文对), M3D-VQA (510K 问答对)，M3D-Seg…

编辑 | KX多年来，计较病理学范畴在基于图象、基因组学数据开发越来越准确、针对特定任务的预测模型方面取得了显著进步。然而，尽管生成式人工智能 (AI) 呈爆炸式增长，但在构建针对病理学的通用、多模态 AI 帮忙和「副驾驶」（Copilot）方面的研讨却有限。近日，哈佛大学和 MIT 的研讨团队提出了一种用于人类病理学的视觉言语通才 AI 帮忙：PathChat。研讨职员将 PathChat 与几…

编辑 | 萝卜皮抗生素耐药性感化每年在全球造成约 127 万人死亡，预计到 2050 年，如果没有特效的新药，每年死亡人数将达到 1000 万人，因此需要采取紧急措施来应对抗生素耐药性。宾夕法尼亚大学的校长助理教授（Presidential Assistant Professor） Cesar de la Fuente 说：「即使感觉身体好些了，也要确保完成抗生素疗程，这是许多人听过，但经常忽视的…

AI 研讨发展的重要推动力是什么？在最近的一次讲演中，OpenAI 研讨科学家 Hyung Won Chung 给出了自己的答案。近日，斯坦福大学《CS25: Transformers United V4》课程迎来了一位我们熟悉的技术牛人：Hyung Won Chung。Chung 是 OpenAI ChatGPT 团队的研讨科学家，博士毕业于麻省理工学院，之后曾在谷歌从事了三年多的研讨工作，参与…

作者 | 陶科豪编辑 | 白菜叶精确仿照原子与份子的动态举动对于开发新一代高效能资料至关重要。然而，保守的从头算份子动力学（AIMD）仿照虽然提供了高精度的猜测能力，但由于其高昂的算计成本和漫长的仿照时间，大大限制了研讨的进度。例如，完成一个含 100 个原子的资料系统的 30 皮秒仿照，常常需要数月时间，这对于需要快速迭代和优化的新资料研发构成了巨大挑战。在这种背景下，一个可以或许明显加快这一过…

编辑 | 绿罗就像随风分散、扑面而来的花香，质料中的原子与分子也在进行着它们的「分散」。质料中的分散决定了沉淀、新相形成和微观构造蜕变的动力学，并强烈影响机械和物理性能。成份搀杂的质料固有的化学搀杂性，给原子分散建模和化学有序构造的形成带来了挑战。在此，加州大学的研究人员提出了一种神经网络动力学（NNK）方法，用于猜测成份搀杂质料中的原子分散，及其由此产生的微观构造蜕变。该框架基于高效的晶格构造和…

AI 将大大提高数学研究的效率。陶哲轩是公认的数学天才，被誉为「数学神童」。他从小便展现出惊人的数学天赋，9 岁时就参加了美国数学奥林匹克，并获得了金牌。他在数论、调和分析、偏微分方程等多个数学领域做出了重要贡献，并获得了菲尔兹奖， 这一奖项被视为数学界的最高荣誉，相当于数学界的诺贝尔奖。 最近，陶哲轩接受了《科学美国人》的采访。在采访中提出，现在数学家可以通过向类似 GPT 的 AI 表明说明，…

在数学抽象方面，最简单的莫过于图（graph）了。在平面上散放一些点，用线将其中一些连接起来，这就是一个图了。但图却异常强大。人们已经用它来解决各种各样的题目，从建模大脑中的神经元到为路上的送货卡车设计途径。在数学领域，图常被用于分类一种重要的代数对象，即群（group），其能以多种不同的方式来描述扭结（knot）。图论中有一个核心题目：寻找能刚好经过图中每个点一次的途径，之后再回到起点。这些途径…