猜测

在目前正在进行的黄仁勋台北电脑展 2024 主题演讲上，黄仁勋介绍了英伟达 Earth-2 数字孪生地球，该“地球”主要用于气象察看，基于英伟达 CorrDiff 生成式 AI 模型技术，号称融合了人工智能、物理摹拟和察看数据，够从今天的数据来猜测现在世界的影响。英伟达表示，相对于第一代 Earth 数字孪生地球，Earth-2 可以或许以 12 倍解析度（从 25 千米普及到 2 千米）透彻猜测…

编辑 | 紫罗药物-靶点相互作用（DTI）猜测在药物发现中发挥着重要作用。尽管药物靶点猜测的智能计算法子受到了广泛关注，并取得了许多进展，但仍然是一项具有挑战性的任务，需要进一步的钻研。为了解决上述挑战，江南大学钻研团队提出了一种集成深度进修和图进修的多视图集成进修收集（MINDG）。MINDG 分离图进修和深度进修来提取药物和蛋白质的内涵构造信息，以及它们之间的外在关系信息。因此，与之前的法子相…

微软 Start 团队今天通过必应官方博客发布博文，宣布 AI 气候猜测模型又有重大矫正，能更精确预告未来 30 天气候情况之外，现在猜测何时可能出现云层和降水。博文中微软 Start 团队表示已经于 2021 年年底开始，着手矫正全球范围内的“降水预告”系统。该模型不仅会调用雷达装置收集的数据，还会结合卫星数据，通过 AI 算法分析，能更精确地猜测降水情况。不过微软 Start 团队也坦言该猜测…

编辑 | 枯叶蝶近日，天津大学激光与光电子研讨所吴亮副教授、姚建铨院士团队联合自然语言处理实验室熊德意教授团队报道了一种使用多频次补偿输出的深度进修模型来增强光谱猜测成效的方案。该方案可无效地提高现有光学数据集的利用率，在不额外增加训练成本的基础上，增强了与超外表结构对应的光谱响应的猜测成效。有关研讨成果以「Enhanced spectrum prediction using deep learn…

微软研究院科学智能中心（Microsoft Research AI for Science）近日推出 MatterSim 模型，可以在广泛的元素、温度和压力规模内，精确高效地模仿质料和猜测功能，助力质料设想的数字化转型。新质料探索对纳米电子学、能量储存和医疗健康等多个领域的技巧进步至关重要。质料设想中的一个核心难点是如何在不举行实际分解和测试的情况下猜测质料属性。由于新质料可能涉及元素周期表中 1…

编辑 | 紫罗近年来，深度进修技术在份子微观构造猜测中取得了巨大的进展。然而，份子的宏观属性和功能往往取决于份子构造在平均态下的分散，仅了解份子的微观构造还远远不够。获得这些分散的传统步骤，如份子动力学模仿，但这些步骤昂贵又耗时。在此，来自微软研讨院科学智能中心（Microsoft Research AI4Science）的研讨职员，提出了一种可用于猜测份子构造平均分散的深度进修框架，称为分散式图…

google DeepMind 公司近日推出了 AlphaFold 3，通过猜测所有生命份子是如何相互作用的，加速探求新药和探索新的医治格式，医治癌症、帕金森氏症、疟疾、肺结核等疾病。IT之家从报道中获悉，AlphaFold 3 可能猜测人体每个细胞份子的复杂形状，以及如何相互连接，以及其中最小的变化如何影响可能导致疾病的生物功能。科学家和医学专家希望借助 AlphaFold 3，深入研究抗体和药…

【新智元导读】新研讨利用了 ChatGPT 在 2021 年 9 月的训练数据截止这一限制，比较了 ChatGPT 在间接猜测和将来叙事猜测两种不同提醒方式下，猜测 2022 年各种事件上的表现。结果显示，将来叙事猜测方法在猜测 2022 年奥斯卡奖得主时表现出色，在猜测宏观经济变量时，ChatGPT-4 的表现也有所提高。如今，AI 进步的速度，已经超出了我们对它用途的理解。为了防止 ChatG…

【新智元导读】人大与浙大学者发现，GPT-4 对于论文给出的撤稿猜测结果，竟然和人类审稿人有将近 95% 的相似性。看来大模型虽然有能够引发学术怪异，但也有办法维护科研真诚啊。学术论文的撤稿事件时有发生，这不仅损害了科研真诚，也能够对公众信任和迷信进展产生负面影响。传统上，学术界依赖同行评审和出版后的读者反馈来识别和纠正课题论文，但这些要领能够无法及时发现所有课题，尤其是在当前科研论文出版数量急剧…

编辑 | ScienceAI天气科学家 Tapio Schneider 很高兴，因为呆板进修让他摆脱了日常工作中繁琐乏味的任务。十多年前，当他第一次开始摹拟云的形成时，这主要涉及到煞费苦心地调整描述水滴、气流和温度如何相互作用的方程。但自 2017 年以来，呆板进修和人工智能 (AI) 改变了他的工作方式。「呆板进修让这门科学变得更加有趣，」在加州理工学院工作的 Schneider 说。「它速度更…

感谢google近日在《Nature》上发表科研成果，表现借助 AI 的力量，最先能够迟延 7 天精确猜测洪灾，期望为全世界 80 多个国家和地区的居民提供可靠的洪灾猜测服务。由于大多数河道都没有流量计，因此猜测大水一直是个辣手的课题。google利用各种相关数据（包括历史事件、河道水位读数、海拔和地形读数等）训练机器学习模型，从而办理了这一课题。 google通过模型生成本地化地图，并在每个所在…

编辑 | ScienceAI在蛋白领域，华盛顿大学 David Baker 团队又带来了新进展。蛋白质是生命存在不可或缺的份子，但它们不是细胞中唯一的份子，参与生命过程它们必须与其他份子相互协作。近年来，AlphaFold 和 RoseTTAFold 等蛋白质构造猜测算法，席卷了构造生物学领域。深度学习方法彻底改变了蛋白质构造猜测和设计方式，但目前仅限于纯蛋白质系统。问题是，这些模型忽略了许多影响…

编辑 | 萝卜皮有关相互作用蛋白质之间的残基-残基距离的信息对于蛋白质复合物的构造建模非常重要，并且对于理解蛋白质-蛋白质相互作用的分子体制也很有价值。随着深度进修的出现，人们开发了许多法子来准确猜测单体的蛋白质内残基-残基交战。然而，准确猜测蛋白质复合物，尤其是异源蛋白质复合物的蛋白质间残基-残基交战仍旧具有挑战性。华中科技大学的研究人员开发了一种鉴于蛋白质语言模型的深度进修法子，通过在深度神经…

编辑 | ScienceAI猜测降水、温度和风等气候变量对于社会生产生活至关重要。随着更多的极端气候出现，比如洪水、干旱和热浪等，准确的预告对于准备和减轻其影响尤为重要。未来的前 24 小时很关键，因为它们具有高度可猜测性和可操作性，可以帮助人们及时做出明智的决策并保证安全。深度神经网络为气候条件建模供应了另一种范例。一旦数据可用，神经模型就能在不到一秒的光阴内做出猜测，并且具有非常高的光阴和空间…

编辑 | 萝卜皮膜卵白由大约四分之一的人类基因编码。链间残基-残基交战信息对于膜卵白复合物的结构猜测很重要，对于理解其分子机制很有价值。尽管已经提出了许多深度进修法子来猜测膜卵白中的卵白内交战或螺旋-螺旋相互作用，但由于跨膜卵白数量有限，准确猜测其链间交战仍然具有挑战性。为了应对这一挑战，华中科技大学的研究人员利用从非跨膜卵白大数据集中预先训练的知识，开发了一种深度迁徙进修法子，用于猜测跨膜卵白复…

Yann LeCun 这个观点的确有些大胆。

本文是对发表于计算机视觉和模式识别领域的顶级会议 CVPR 2021的论文“Causal Hidden Markov Model for Time Series Disease Forecasting（空儿序列疾病猜测的因果隐马尔可夫模型）”的解读。 该论文由北京大学王亦洲课题组与深睿医疗等单位合作，针对空儿序列疾病猜测的问题，提出了因果隐马尔可夫模型描述疾病的动态发展过程，并使用基于 VAE 的…

在深度进修要领应用广泛的今天，所有范围是不是非它不可呢？其实未必，在时光序列猜测任务上，简略的机械进修要领能够媲美甚至超越很多 DNN 模型。

编辑/凯霞在低温下从氧化物中提炼金属不仅对于钢铁等金属的生产至关重要，而且对回收利用也必不可少。但当前的提炼过程是碳密集型的，会排放大量温室气体。钻研人员一直在探索开发「更绿色」的工艺办法。第一性道理理论的自下而上的估计过程设想，将是一个有吸引力的替代方案，但迄今为止尚未实现。来自哥伦比亚大学的钻研团队开发了一种新的估计技术，将量子力学和呆板进修相结合，可准确猜测金属氧化物对其「贱金属」的复原温度…

都市流量猜测作为智能交通中的一个重要问题，致力于大概猜测都市中分别地区的流量信息，从而更好地实现地区间的流量管控、拥塞控制以及保障都市公共安全。本文将介绍一种鉴于时空图扩散网络的都市交通流量猜测模型。本文工作是由京东数科硅谷研发试验室，京东都市和华南理工大学合作的一篇论文《Traffic Flow Forecasting with Spatial-Temporal Graph Diffusion …