准确率达95%,混合深度学习搜索纳米生物材料,登Nature子刊
编辑 | 萝卜皮超分子肽基材料具有革新纳米技术和医学等领域的巨大潜力。 然而,破译其实际应用所必需的复杂序列到组装途径仍然是一项艰巨的任务。 它们的发现主要依赖于需要大量资金的经验方法,这阻碍了它们的颠覆性潜力。- 973
- 0
字节大模型团队Depth Anything V2模型入选苹果最新CoreML模型
近日,苹果公司在HuggingFace上发布了20个新的Core ML模型和4个数据集,字节大模型团队的单目深度计算模型 Depth Anything V2入选其中。CoreML是苹果公司的呆板学习框架,将呆板学习模型集成到iOS,MacOS等设备上高效运行,可在无需互联网连接的情况下执行复杂的AI任务,从而增强用户隐私并减少延迟。苹果开发者可以利用这些模型更容易地构建智能、安全的AI应用。Dep…- 7
- 0
可控核聚变新里程碑,AI首次实行双托卡马克3D场全自动优化,登Nature子刊
编辑 | X几十年来,核聚变释放能量的「精妙」过程一直吸引着科学家们的研讨兴趣。现在,在普林斯顿等离子体物理实验室(PPPL)中 ,科学家正借助人工智能,来解决人类面临的紧迫挑战:通过聚变等离子体产生清洁、可靠的能源。与传统的计算机代码不同,呆板进修不仅仅是指令列表,它可以分析数据、推断特征之间的关系、从新知识中进修并符合。PPPL 研讨人员相信,这种进修和符合能力可以通过多种方式改善他们对聚变反…- 4
- 0
多篇顶会一作却申博失败?斯坦福博士生亲述:AI范围太卷
「尽管我在顶级 ML 聚会上发表了多篇一作论文,为开源项目做出了贡献,也在业界产生了影响,但我仍在为进入博士课程而苦苦挣扎。我被顶尖大学拒之门外,感到迷茫和疲惫。」「我开始怀疑自己,怀疑如果没有合适的人脉或家庭背景,光有强大的钻研背景是否还不够。我正在考虑放弃攻读博士学位以及从事有价值钻研的梦想。」在刚刚过去的周末,关于「AI 博士请求条件卷上天」的帖子成为了 Reddit 社区讨论的焦点。这个帖…- 7
- 0
科学家应用外推ML格式加速发明新式催化剂
编辑 | 萝卜皮安排新式催化剂是解决许多能源和环境挑战的关键。尽管包括机械进修 (ML) 在内的数据科学格式有望加速催化剂的开发,通过机械进修格式很少发明真正新颖的催化剂,因为它最大的局限性是假设无法推断和识别特殊材料。北海道大学(Hokkaido University)的钻研职员展示了一种外推机械进修格式来开发新式多元素反向水煤气变换催化剂。应用 45 个催化剂作为初始数据点,并执行闭环发明系统…- 3
- 0
Stable Diffusion的魅力:苹果亲自下场优化,iPad、Mac上快速出图
输入一句话就能生成图象的 Stable Diffusion 已经火爆数月。它是一个开源模型,而且在消费级 GPU 上就能运转,是一项普通人就能接触到的「黑科技」。- 13
- 0
UIUC信息学院汪浩大教员课题组招收全奖博士生及合作者,较量争论生物学和可信呆板学习偏向
新的一期博士招生正式启动!本期将为大家介绍 UIUC 信息学院汪浩大(Haohan Wang)教员课题组招收博士生及合作者的相关信息。学校简介UIUC,坐落于伊利诺伊州双子城厄巴纳–香槟市,是一所美国公立钻研型大学。校友和教授中有 30 位获得诺贝尔奖,25 位获得普利策奖。工科业余在全球享有盛誉,几乎所有业余均位列全美前十,其中电气、土木、材料、环境、较量争论机均位列全美前五;会计学业余位列全美…- 8
- 0
google并未放弃TensorFlow,将于2023年发布新版,明确四大支柱
2015 年,google大脑开放了一个名为「TensorFlow」的研讨项目,这款产品迅速流行起来,成为人工智能业界的主流深度进修框架,塑造了现代机械进修的生态系统。从那时起,成千上万的开源贡献者以及众多的开发人员、社区组织者、研讨人员和教育工作者等都投入到这一开源软件库上。然而七年后的今天,故事的走向已经完全不同:google的 TensorFlow 失去了开发者的拥护。因为 TensorFl…- 13
- 0
晚上就应该睡觉?新的机器学习技术探索昼夜节律
编辑 | 雪松昼夜节律,如睡眠-觉醒周期,是大多数生物与生俱来的,对地球上的生命至关重要。昼夜时钟在 24 小时日夜周期中协调生物的各项生理变化,会间接影响我们人类的体能水平、健康程度、生存能力。同样,将新陈代谢与日出落日同步等情况也存在于动物中,正确的生物钟有助于安排开花。了解昼夜节律,于动物而言,有助于提高动物的生长和产量;于人类而言,则有可能揭示出治疗疾病的新途径。IBM欧洲钻研所与厄尔汉姆…- 10
- 0
综述:药物创造中的呆板进修
编辑 | 萝卜皮不知不觉,人工智能已经渐渐延伸到了各个领域,医药领域也不例外。来自印度 B V Raju 理工学院的研究人员发表综述,讨论了药物创造中的呆板进修,归纳总结了运用于制药领域的各类呆板进修技巧,并指出当前该领域发展的难点,以及未来发展方向。该综述以「Machine Learning in Drug Discovery: A Review」为题,于 2021 年 8 月 11 日发布在《…- 6
- 0
ML
❯
个人中心
今日签到
搜索
扫码打开当前页
返回顶部
幸运之星正在降临...
点击领取今天的签到奖励!
恭喜!您今天获得了{{mission.data.mission.credit}}积分
我的优惠劵
- ¥优惠劵使用时效:无法使用使用时效:
之前
使用时效:永久有效优惠劵ID:×
没有优惠劵可用!