几何
支持细胞与细胞器建模,更全能的空间算法推动更高效的细胞时空研究
编辑丨toileter于过去的十年中,计算建模已经成为生物学必备的工具包常客之一。 而在生物学中,功能与结构密切相关。 为了能更好地研究亚细胞或者细胞器中信号转换,如何制造一个逼真的建模成为了一项挑战。
1/8/2025 6:18:00 PM
ScienceAI
博世团队提出参考神经算子,学习偏微分方程解对几何变形的平滑依赖
编辑 | 枯叶蝶在解决具有任意形状域的偏微分方程问题时,现有的神经算子方法致力于学习从几何形状到解的映射,但这通常需要庞大的(几何,解)二元组数据集来训练神经算子以确保准确性。然而,对于如工程设计优化等工业应用,因单次仿真可能耗时数小时乃至数天,满足此数据需求极为困难。针对这一挑战,博世人工智能中心(BCAI)的研究人员提出了参考神经算子(RNO)的概念,作为一种新颖的神经算子实现方式,旨在学习解对几何形变的平滑依赖。具体而言,给定一个参考解,RNO 能够预测该参考几何形状任意微小扰动下的对应解,此方法极大地提高了
5/27/2024 3:55:00 PM
ScienceAI
优于3D模型,成功率达90.6%,基于扩散的生成式AI从2D分子图探索过渡态
TSDiff 预测分布的概念说明。(来源:论文)编辑 | X过渡态(TS)探索对于阐明化学反应机制和动力学建模至关重要。最近,机器学习模型在 TS 几何形状(geometries)预测方面表现出了卓越的性能。然而,它们通常需要反应物和产物的 3D 构象,并以其适当的方向作为输入,这需要大量的努力和计算成本。近日,韩国科学技术院(KAIST)的研究人员提出了一种基于随机扩散方法的生成方法,即 TSDiff,用于仅从 2D 分子图预测 TS 几何形状。TSDiff 在准确性和效率方面均优于现有的具有 3D 几何形状的
1/11/2024 5:27:00 PM
ScienceAI
实现量子化学精度,同时规避几何弛豫瓶颈,深度对比学习用于分子性质有效预测
编辑 | 紫罗数据驱动的深度学习算法可以准确预测高级量子化学分子特性。然而,它们的输入必须限制在与训练数据集相同的量子化学几何弛豫水平,从而限制了它们的灵活性。采用替代的经济有效的构象生成方法会引入域偏移(domain-shift)问题,从而降低预测精度。近日,来自韩国首尔大学的研究人员提出了一种基于深度对比学习的域适应(domain-adaptation)方法,称为局部原子环境对比学习(Local Atomic environment Contrastive Learning,LACL)。LACL 通过比较不同的
12/14/2023 1:54:00 PM
ScienceAI
《几何深度学习》作者授课,2022年GDL100课程上线
今年的 GDL100 包含常规课程、辅导课和专题研讨课,深入讲解了几何深度学习的基本概念和重要问题。
7/29/2022 11:34:00 AM
机器之心
150页在线书「几何深度学习」上线:利用对称性和不变性解决机器学习问题
CNN、GNN、LSTM、Transformer 等深度学习模型之间的共通之处是什么?在这本书里问题得到了解答。
4/30/2021 12:42:00 PM
机器之心
- 1
资讯热榜
标签云
人工智能
OpenAI
AIGC
AI
ChatGPT
AI绘画
DeepSeek
数据
机器人
模型
谷歌
大模型
Midjourney
智能
用户
开源
学习
GPT
微软
Meta
AI创作
图像
技术
论文
Stable Diffusion
马斯克
Gemini
算法
蛋白质
生成式
芯片
代码
英伟达
腾讯
神经网络
计算
研究
Sora
3D
Anthropic
AI for Science
AI设计
机器学习
GPU
开发者
AI视频
场景
华为
预测
百度
人形机器人
伟达
苹果
Transformer
深度学习
模态
xAI
字节跳动
Claude
大语言模型
搜索
驾驶
文本
神器推荐
具身智能
Copilot
LLaMA
算力
视频生成
安全
干货合集
视觉
应用
大型语言模型
科技
亚马逊
特斯拉
AGI
训练
2024