Nature
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。
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。
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。
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。
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。
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。
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。
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》。
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
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
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
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
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
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
全球首个神经连接机械腿，截肢者恢复自然行走，还带空间感
不仅能恢复行走能力，还能感受到空间位置。这是史上第一次，膝盖以下截肢的患者有机会能通过神经信号控制机械腿的运动，并以自然步态恢复行走了。该研究出自麻省理工学院（MIT）。想做到这一点的患者需要进行专门的手术，并将非侵入性表面电极连接到机器人假肢小腿上。相关论文已发表于昨日出版的 Nature 子刊《自然医学》。论文标题：Continuous neural control of a bionic limb restores biomimetic gait after amputation论文链接：。在传统的膝下截肢过
Nature重磅：微软潘海峰华盛顿大学王晟团队发布首个全切片数字病理学模型GigaPath
编辑 | ScienceAI近年来，数字病理学的蓬勃发展成为了精准医学加速突破的重要组成部分。在癌症护理过程中，利用全切片成像技术将肿瘤组织样本转换为高分辨率的数字图像，已经成为常规技术。高达十亿像素级别的病理学图片包含多样的肿瘤微环境信息，为癌症分型诊断，生存率分析以及精准免疫治疗提供了前所未有的契机。近期，生成式人工智能革命为准确感知、分析病理学图片中的海量信息提供了强有力的解决方案。与此同时，多模态生成式人工智能技术的突破更将助力从时空多尺度理解数字病理学图片并与其他生物医学模态相融合，从而更好刻画患者疾病演
斩获 7 项奥斯卡大奖，Nature 重磅发布《奥本海默》专题！诺兰断言：AI 时代人类再次迎来「奥本海默时刻」
【新智元导读】在《奥本海默》斩获了 7 项奥斯卡大奖之后，Nature 采访了 3 位物理学家，作为《奥本海默》的科学顾问，他们向我们还原了诺兰的创作全貌。而诺兰本人认为，在 AI 时代，人类再次迎来了「奥本海默」时刻！《奥本海默》在 96 届奥斯卡大获全胜，从 13 项提名中赢得了 7 个奖项，包括最佳影片，最佳导演等重量级的大奖。就连《Nature》也适时地蹭了一波热度。他们采访了诺兰在拍摄电影时的 3 名科学顾问，向他们求证了影片拍摄过程中诺兰和他们的合作过程。用科学家的视野，还原了这部由电影大师讲述的，影响
用生物脑机制启发持续学习，让智能系统适者生存，清华朱军等团队研究登Nature子刊封面
在开放、高动态和演化环境中的学习能力是生物智能的核心要素之一，也是人类以及大多数动物在「适者生存」的自然选择过程中形成的重要优势。目前传统机器学习范式是在静态和封闭的数据集上学习到一个模型，并假设其应用环境和之前训练数据的属性相同，因而无法适应动态开放环境的挑战。针对该问题，持续学习模拟生物智能的学习过程和学习能力，发展新型的机器学习理论和方法，通过持续学习的过程，以期提升智能体对开放、高动态环境的适应能力。但是，目前主流的机器学习模型通过调整网络参数进行学习，当学习任务的数据分布发生变化时，先前学到的网络参数可能