预测 - AI在线

分子之心创始人许锦波：AI 蛋白质设计最新进展

编辑 | 绿萝1 月 11 日，在机器之心 AI 科技年会上，分子之心创始人、美国芝加哥丰田计算技术研究所终身教授、清华大学智能产业研究院（AIR）卓越访问教授许锦波发表主题演讲《AI 蛋白质设计最新进展》，在演讲中，他介绍了蛋白质结构预测与蛋白质设计，他表示 AI 蛋白质结构预测只是一个开始，分享了分子之心开发的 AI 蛋白优化和设计平台——MoleculeOS，以及在蛋白质侧链、抗体抗原复合物结构预测的最新研究成果。「人工智能颠覆了蛋白质结构预测，并正在改变蛋白质优化设计。」以下为许锦波在机器之心 AI 科技年

CVPR 2021 | 时间序列疾病预测的因果隐马尔可夫模型

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（时间序列疾病预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，针对时间序列疾病预测的问题，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 的变分框架进行学习。通过对图像隐空间进行解耦，去除疾病无关因子与疾病预测的伪相关关系，从而提高预测的准确率和鲁棒性。

TOG 2020 | 基于骨骼一致性的单目视频人体运动重建

本文是对 2020 年 9 月发表于计算机图形学顶级期刊 ACM Transactions on Graphics（ToG）的论文《基于骨骼一致性的单目视频人体运动重建（MotioNet: 3D Human Motion Reconstruction from Monocular Video with Skeleton Consistency）》的解读。该论文由北京大学与山东大学、北京电影学院、以色列特拉维夫与耶路撒冷大学合作，针对从单目视频中提取人体运动的问题，区别于直接回归关节坐标的方法，作者在神经网络中利用正向运动学，预测出时序一致的人体骨架及所对应的关节旋转，减小了网络预测的空间搜索范围，网络输出的结果也能直接运用于角色动画的驱动。

开源！港中文、MIT、复旦提出首个RNA基石模型

本文中 RNA-FM 模型的出现一定程度上缓解了 RNA 带标注数据紧张的现状，为其他研究者提供了访问大批量无标签数据的便捷接口。并且，该模型将以 RNA 领域基础模型的身份，为该领域的各种各样的研究提供强有力的支援与帮助。

做时间序列预测有必要用深度学习吗？事实证明，梯度提升回归树媲美甚至超越多个DNN模型

在深度学习方法应用广泛的今天，所有领域是不是非它不可呢？其实未必，在时间序列预测任务上，简单的机器学习方法能够媲美甚至超越很多 DNN 模型。

量子力学与机器学习相结合，预测高温下的化学反应

编辑/凯霞在高温下从氧化物中提取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。但当前的提取过程是碳密集型的，会排放大量温室气体。研究人员一直在探索开发「更绿色」的工艺方法。第一性原理理论的自下而上的计算过程设计，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研究团队开发了一种新的计算技术，将量子力学和机器学习相结合，可准确预测金属氧化物对其「贱金属」的还原温度。该方法在计算上与常规计算一样有效，并且在测试中，比使用量子化学方法对温度效应的计算要求高的模拟更准确。该研究以「Aug

综述：药物发现中的机器学习

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，讨论了药物发现中的机器学习，归纳总结了应用于制药领域的各类机器学习技术，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《Artificial Intelligence Review》杂志。人工智能概念与许多领域密切相关，如模式识别、概率论、

AAAI 2021论文：Graph Diffusion Network提升交通流量预测精度（附论文下载）

城市流量预测作为智能交通中的一个重要问题，致力于精确预测城市中不同区域的流量信息，从而更好地实现区域间的流量管控、拥塞控制以及保障城市公共安全。本文将介绍一种基于时空图扩散网络的城市交通流量预测模型。本文工作是由京东数科硅谷研发实验室，京东城市和华南理工大学合作的一篇论文《Traffic Flow Forecasting with Spatial-Temporal Graph Diffusion Network》，目前该论文已经被人工智能领域的顶级会议AAAI 2021（CCF A类）接收。

AAAI 2021论文：利用深度元学习对城市销量进行预测

对于线上和线下的零售行业，销量预测都是一项至关重要的任务，它可以帮助企业更好的预备库存以及在各个仓库之间分配商品。特别是在大型购物节期间，强劲的促销活动将极大地促进消费。然而，可供参考的历史数据却非常稀缺。如何同时对城市的不同区域和不同时间段的销量进行预测，是一个非常具有挑战的问题。在2020年12月收录的AAAI 2021（CCF-A类）上，京东城市被收录了一篇名为《Robust Spatio-Temporal Purchase Prediction via Deep Meta Learning》的论文。该论文研