AI在线 AI在线

Nature

何恺明的ResNet,成为21世纪被引量最多论文,Nature最新统计

21 世纪被引用最多的论文有哪些? 大家不用去统计了,《自然》给出了一个最新 Top 25 排名。 完整排名地址: 2016 年发布的 ResNets 研究,这是一篇计算机视觉领域的经典论文。
4/16/2025 5:38:00 PM
机器之心

用于科研的AI:Nature教你如何选择正确地选择工具

编辑丨toileter人工智能(AI)的到来是一场革命。 随着现在越来越多的 AI 投入使用,虽然许多教育工作者和学术机构最初对此持谨慎态度,但学术界似乎越来越愿意允许学生学生进行这种尝试。 Nature 期刊为此探讨了如今学者与学生们如何利用 AI 进行实验的简化。
4/8/2025 2:15:00 PM
ScienceAI

哈佛学霸被当场遣返,Nature曝出75%科学家想逃离美国!欧洲加拿大光速抄底

特朗普狂砍学术界经费,恶果来了! 欧洲抄底美国人才这种百年难遇的机会,如今真来了? 根据Nature的调查,约1200名美国科学家表示,他们正在考虑离开美国,首选欧洲和加拿大。
3/31/2025 8:00:00 AM
新智元

Nature:你的大脑衰老速度受这64个基因影响

你的大脑衰老速度,原来受这64个基因影响! 事情是这样的。 根据Nature最新报道,科学家们通过利用AI模型分析大量脑部扫描和遗传数据,确定了64个影响大脑衰老速度的基因,并指出了13种潜在的抗衰老药物。
3/17/2025 8:37:00 AM
量子位

ScienceAI 2024 「AI+气象科学&宇宙&物理学」专题年度回顾

编辑丨&过去,我们仰望星空,俯瞰大地,伸手能触及到星河的浩瀚,也能感受到星尘最细微的轨迹。 2024,我们走出了阴霾,再一次向着人类的最终的浪漫前进。 近年来出彩的科幻电影,日益令人担忧的自然灾害,暗示着人们需要对于脚下与头顶潜在的可能性保持关注。
12/25/2024 4:06:00 PM
ScienceAI

Nature再发招聘调查:学术界和工业界大不同,帮你避坑从简历到面试的N个细节

从今年6月开始,Nature与伦敦研究咨询公司Thinks Insights & Strategy合作推出了一系列文章,讲述今年对全球科学领域招聘经理开展调查后得出的结果。 通过各种途径的宣传,这项调查共找到了来自77个国家的学术界、工业界和其他部门的1134名自荐受访者,包括实验室的PI、招聘负责人和资深成员。 完整的调查数据集:,周五下午,你的LinkedIn或邮箱中发来一份工作推荐,一切条件似乎都完美匹配:研究重点恰好是自己的专业领域,工作城市对你和家人都很适合,实验室组有资金。
12/17/2024 9:30:00 AM
新智元

无人机:不是我想长腿,《Nature》论文说这样更省力

「这世界上有一种鸟是没有脚的,它只能一直飞,飞累了就睡在风里,这种鸟一辈子只能下地一次......」这种神奇的无脚鸟,是王家卫在《阿飞正传》中留下的经典意象,也是这部电影最触人心弦的隐喻。 而在现实世界中,「无人机」应该算是最接近无脚鸟的存在。 但却有这么一个研究团队,非要给「无脚鸟」装上脚。
12/14/2024 11:20:00 PM
机器之心

DeepMind 开源大模型 GenCast 登 Nature:8 分钟预测 15 日天气

DeepMind 大模型再登上 Nature —— 气象预测大模型 GenCast,8 分钟内完成 15 天的预测,而且不管常规还是极端天气都能分析。
12/5/2024 12:37:01 PM
汪淼

ByteDance Research登Nature子刊:AI+冷冻电镜,揭示蛋白质动态

2024 年的诺贝尔化学奖颁发给了在结构生物学领域取得重大成就的 David Baker 团队和 AlphaFold 团队,激发了 AI for science 领域新的研究热潮。 近两年科学界一个饱受争议的命题是:“AlphaFold 是否终结了结构生物学? ” 首先,AlphaFold 之类的结构预测模型的训练数据正是来自于以 X 射线、冷冻电镜(cryo-EM)等为代表的传统结构解析方法。
11/12/2024 1:09:00 PM
机器之心

谷歌 DeepMind 研究再登 Nature 封面,隐形水印让 AI 无所遁形

近日,谷歌 DeepMind 发表的一项研究登上了 Nature 期刊的封面,研究人员开发了一种名为 SynthID-Text 的水印方案,已经在自家的 Gemini 上投入使用,跟踪 AI 生成的文本内容,使其无所遁形。
11/8/2024 12:32:02 PM
汪淼

三年前的AI设计芯片造假?谷歌深陷学术不端丑闻,吹哨人被开除并已起诉

2021 年,谷歌在 Nature 发表了一篇颇具争议的论文《A graph placement methodology for fast chip design》。 (作者包括 Jeff Dean 和 Quoc V. Le 等著名研究者),其中提出了一种基于强化学习的芯片设计方法。
11/4/2024 5:12:00 PM
机器之心

Nature专业户DeepMind又登封面,开源水印技术SynthID-Text,Gemini已经用上了

现如今,大型语言模型(LLM)生成的内容已经充斥了整个互联网,并且这些模型还能模仿各种类似真人的语气和行文风格,让人难以分辨眼前的文本究竟来自人类还是 AI。 这样的问题或许可通过所谓的水印(watermarking)技术来解决。 谷歌开发的 SynthID 文本水印技术登上了最新一期 Nature 杂志封面,之前AI在线已经报道过该公司开发的图像水印技术,参阅《给 AI 生成图像「加水印」,谷歌发布识别工具 SynthID》。
10/24/2024 1:13:00 PM
机器之心

Layout工程师危,谷歌自动芯片设计AlphaChip问世,开放权重可外部定制

2020 年,谷歌发表了预印本论文《Chip Placement with Deep Reinforcement Learning》,介绍了其设计芯片布局的新型强化学习方法。后来在 2021 年,谷歌又发表在 Nature 上并开源了出来。今天,谷歌发表了这篇 Nature 文章的附录,更详细介绍了该方法及其对芯片设计领域的影响。同时,谷歌也开放了一个在 20 个 TPU 模块上预训练的检查点,分享模型权重并命名为「AlphaChip」。Nature 附录地址:: Jeff Dean 表示,开放预训练 AlphaC
9/27/2024 12:57:00 PM
机器之心

北大领衔,多智能体强化学习研究登上Nature子刊

AIxiv专栏是AI在线发布学术、技术内容的栏目。过去数年,AI在线AIxiv专栏接收报道了2000多篇内容,覆盖全球各大高校与企业的顶级实验室,有效促进了学术交流与传播。如果您有优秀的工作想要分享,欢迎投稿或者联系报道。投稿邮箱:[email protected][email protected]近日,由北京大学人工智能研究院杨耀东课题组牵头完成的研究成果 ——「大规模多智能体系统的高效强化学习」在人工智能顶级学术期刊 Nature Machine Intelligence 上发表
9/5/2024 11:46:00 PM
机器之心

深度学习还不如浅层网络?RL教父Sutton持续反向传播算法登Nature

人工神经网络、深度学习方法和反向传播算法构成了现代机器学习和人工智能的基础。但现有方法往往是一个阶段更新网络权重,另一个阶段在使用或评估网络时权重保持不变。这与许多需要持续学习的应用程序形成鲜明对比。最近,一篇发表在《nature》杂志上的研究论文《Loss of plasticity in deep continual learning》证明:标准的深度学习方法在持续学习环境中会逐渐失去可塑性(plasticity),直到它们的学习效果不比浅层网络好。论文地址:,人工智能先驱、强化学习教父、DeepMind 杰出
8/29/2024 2:23:00 PM
机器之心

牛津光计算论文登Nature正刊,分析帕金森患者步态准确率达92.2%

AIxiv专栏是AI在线发布学术、技术内容的栏目。过去数年,AI在线AIxiv专栏接收报道了2000多篇内容,覆盖全球各大高校与企业的顶级实验室,有效促进了学术交流与传播。如果您有优秀的工作想要分享,欢迎投稿或者联系报道。投稿邮箱:[email protected][email protected]本文第一作者为牛津大学 Harish Bhaskaran 院士课题组董博维博士。Harish Bhaskaran 院士课题组的多名科研人员 2022 年在国内联合创立光计算芯片公司光本位科
8/28/2024 2:34:00 PM
机器之心

清华研究登Nature,首创全前向智能光计算训练架构,戴琼海、方璐领衔

在刚刚过去的一天,来自清华的光电智能技术交叉创新团队突破智能光计算训练难题,相关论文登上 Nature。论文共同一作是来自清华的薛智威、周天贶,通讯作者是清华的方璐教授、戴琼海院士。此外,清华电子系徐智昊、之江实验室虞绍良也参与了这项研究。论文地址::Fully forward mode training for optical neural networks随着大模型的规模越来越大,算力需求爆发式增长,就拿 Sora 来说,据爆料,训练参数量约为 30 亿,预计使用了 4200-10500 块 H100 训了 1
8/8/2024 4:56:00 PM
机器之心

Nature封面:AI训练AI,越训越离谱

训练数据是用 GPT-4o 生成的?那质量不好说了。我们知道,大模型面临的三大挑战是算法、算力和数据。前两者靠优化升级,后者靠积累。随着技术的不断发展,高质量数据已经逐渐成为最大的瓶颈。在很多新模型上,人们为了提升模型能力,都采用了使用 AI 生成数据来训练的方式。人们普遍认为,使用合成数据可以显著提升模型质量。不过,最新的研究认为,使用 AI 生成的数据并不是什么好办法,反而可能会让模型陷入崩溃。今天发表在学术顶刊《自然》杂志的封面研究认为,如果放任大模型用自动生成的数据训练自己,AI 可能会自我退化,在短短几代
7/25/2024 2:01:00 PM
机器之心