神经网络

中国科学院微电子研究所等将人工神经网络与大脑的动态可重构性相结合，开发出基于语义记忆的动态神经网络。▲ 基于语义记忆的脑启发动态神经网络硬件软件协同设计大脑神经网络具有复杂的语义记忆和动态连接性，可将不断变化的输入与庞大记忆中的经验联系起来，高效执行复杂多变的任务。目前，人工智能系统广泛应用的神经网络模型多是静态的。随着数据量不断增长，它在传统数字计算系统中产生大量能耗和时间开销，难以适应外界环境…

编辑 | KX最近，微软系统故障导致全球大范围宕机。计算已经成为我们生活中不可或缺的一部分。然而，尽管计算机硬件和软件不断改进，但人类大脑仍然是我们所知的最复杂、最强大的计算机。人类大脑通过数十亿个神经元与数万亿个突触相互作用来共享其计算能力，因此，它不仅可以与最强大的超级计算机相媲美，而且由于其消耗的能量比冰箱中的灯亮所需能量还少，因此，人类大脑在效率方面毫无疑问胜过计算机。类脑计算是一个不断发…

编辑 | KX时至今日，晶体学所测定的结构细节和精度，从简单的金属到大型膜蛋白，是任何其他方法都无法比拟的。然而，最大的挑战——所谓的相位问题，仍然是从实验确定的振幅中检索相位信息。丹麦哥本哈根大学研究人员，开发了一种解决晶体相问题的深度学习方法 PhAI，利用数百万人工晶体结构及其相应的合成衍射数据训练的深度学习神经网络，可以生成准确的电子密度图。研究表明，这种基于深度学习的从头算结构解决方案方…

据清华大学官方消息，清华大学电子工程系方璐教授课题组、自动化系戴琼海院士课题组另辟蹊径，首创了全前向智能光计算训练架构，研制了“太极-II”光训练芯片，实现了光计算系统大规模神经网络的高效精准训练。该研究成果以“光神经网络全前向训练”为题，于北京时间 8 月 7 日晚在线发表于《自然》期刊。AI在线查询获悉，清华大学电子系为论文第一单位，方璐教授、戴琼海教授为论文的通讯作者，清华大学电子系博士生薛…

这是人类首次证明神经网络可以创建自己的地图。想象一下，你身处一个陌生的小镇，即使一开始周围的环境并不熟悉，你也可以四处探索，并最终在大脑中绘制出一张环境地图，里面包含建筑物、街道、标志等相互之间的位置关系。这种在大脑中构建空间地图的能力是人类更高级认知类型的基础：例如，有理论认为，语言是由大脑中类似地图的结构编码的。然而， 即使是最先进的人工智能和神经网络，也无法凭空构建这样的地图。 计算生物学助…

编辑 | X近百年前，狄拉克提出正电子概念，如今在医学物理、天体物理及材料科学等多个领域都具有技术相关性。然而，正电子-分子复合物基态性质的量子化学计算具有挑战性。在此，DeepMind 和伦敦帝国理工学院的研究人员，使用最近开发的费米子神经网络 (FermiNet) 波函数来解决这个问题，该波函数不依赖于基组。研究发现 FermiNet 可以在一系列具有各种不同定性正电子结合特性的原子和小分子中…

编辑 | KX如果我们完全了解分子之间是如何相互作用的，那么生物学就没什么可学的了，因为每一种生物现象，包括我们如何感知世界，最终都源于细胞内生物分子的行为和相互作用。最近推出的 AlphaFold 3 可以直接从蛋白质、核酸及其配体的序列中预测生物分子复合物的 3D 结构。这标志着我们在长期探索生物分子如何相互作用方面取得了重大进展。AlphaFold 3 代表了直接从复合物序列预测其三维结构的…

【新智元导读】Alembic 首次推出用于企业数据分析和决议计划支持的无「幻觉」人工智能。原来大模型的「幻觉」，真的可以完全消除！近日，AI 初创公司 Alembic 首次宣布，一种全新 AI 体系完全解决了 LLM 虚假信息生成问题。也就是说，饱受诟病的 LLM 幻觉，被彻底攻破了。联创兼首席执行官 Tomás Puig 在接受 Venture Beat 独家采访时透露，「取得这一关头打破在于，…

人脑不妨运行非常复杂且庞大的神经网络，总功耗却仅为20瓦，远小于现有的人工智能体系。因此，在算力比拼加速，能耗日益攀升的今日，借鉴人脑的低功耗特性发展新型智能计较体系成为极具后劲的方向。 近日，中国科学院自动化研究所李国齐、徐波课题组与时识科技公司等单位合作计划了一套不妨实现动静计较的算法-软件-硬件协同计划的类脑神经状态SOC（System on Chip，体系级芯片）Speck，展示了类脑神经…

编辑 | ScienceAI摩尔定律的描述已经非常快了——盘算机芯片每两年左右就会安装两倍数量的晶体管，从而在速度和服从上产生重大飞跃。但深度学习时代的盘算需求增长速度更快——这种速度可能不可持续。论文链接：，2026 年人工智能消耗的电力将是 2023 年的 10 倍，而当年的数据中心消耗的能源将相当于日本一个国家一年的能源消耗。报告链接：「人工智能所需的[盘算能力]每三个月就会翻一番，速度远远…

研究职员 Sepp Hochreiter 和 Jürgen Schmidhuber 在 1997 年共同提出了长短期影象（Long short-term memory，LSTM）神经网络布局，可用来处理轮回神经网络（RNN）长期影象能力不足的问题。而最近 Sepp Hochreiter 在 arXiv 上发布论文，提出了一种名为 xLSTM（Extended LSTM）的新架构，号称可以处理 LS…

AIxiv专栏是机器之心发布学术、技术内容的栏目。过去数年，机器之心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]本论文作者赵博是加州大学圣地亚哥分校的三年级在读博士，其导师为 Ro…

感谢特斯拉今日再次分享了一段第二代 Optimus 人形机器人的工作视频，视频显示，该机器人可将电池单体明确地拔出托盘中。据特斯拉官方介绍，他们训练并布局了一个神经网络，允许 Optimus 开始执行实用的义务，例如从传送带上拾起电池单体并明确地将它们拔出托盘中。这个神经网络完全端到端运行，意味着它只运用来自机器人的 2D 摄像头以及板载的本质感知传感器的视频，并直接产生关节控制序列。 特斯拉还称…

感谢据《金融时报》报导，苹果公司从google挖走了数十名人工智能大师，并在瑞士苏黎世建立了一个“神秘的欧洲实验室”，以组建一支新的团队，负责研发人工智能模型和产品。根据《金融时报》对 LinkedIn 个人资料的分析，自 2018 年苹果挖来约翰・詹南德里亚（John Giannandrea）担任其首席人工智能执行官以来，该公司已经招募了至少 36 位google人工智能大师。据IT之家了解，苹…

编辑 | 白菜叶几十年前，弦实践因其美丽的简单性而俘获了许多物理学家的心。该实践称，将一块空间放大得足够远，你将看不到大量的粒子或不稳定的量子场。只会有相同的能量股，振动、合并和分离。到 20 世纪 80 年代末，物理学家发现这些「弦」只能以几种方式跳动，这增加了物理学家追踪从跳舞的弦到我们天下的基本粒子的路径的诱人大概性。弦最深处的「隆隆声」会产生引力子，这是一种假设的粒子，被认为形成了时空的引…

ATLAS 事情显示了本研讨中神经网络发觉的与尺度模型展望偏差最大的八个事情之一。（来源：欧洲核子研讨中心）编辑 | X粒子物理学家的任务是挖掘大量不断增长的碰撞数据，寻觅尚未发觉的粒子证据。特别是，他们正在寻觅未包含在粒子物理尺度模型中的粒子，科学家怀疑我们目前对宇宙构成的明白是不完整的。近日，来自 ATLAS 合作组的 172 个研讨机构的科学家，使用一种受大脑启发的机器学习算法——神经网络，…

Karpathy：for fun.几天前，前特斯拉 Autopilot 负责人、OpenAI 科学家 Andrej Karpathy 发布了一个仅用 1000 行代码即可在 CPU/fp32 上兑现 GPT-2 训练的项目「llm.c」。llm.c 旨在让大模型（LM）训练变得简单 —— 使用纯 C 说话 / CUDA，不必要 245MB 的 PyTorch 或 107MB 的 cPython。例…

编辑 | XS2023 年 11 月，Nature 连续刊登了两篇重大成果：蛋白质生成步骤 Chroma 和晶体材料安排步骤 GNoME，均使用了图神经网络作为迷信数据的表示工具。实际上，图神经网络，特别是多少图神经网络，一直是迷信智能（AI for Science）研究的重要工具。这是因为，迷信领域中的粒子、份子、蛋白质、晶体等物理体系均可被建模成一种特殊的数据结构——多少图。与一般的拓扑图不同…

编辑 | X在计算个性化医学领域，药物反馈猜测（DRP）是一个关键问题。但是，现有的钻研通常将药物描述为字符串，这种表示与份子的自然描述不符。此外，忽略了基因通路（pathway）特异性组合含义。近日，来自河南科技大学的钻研职员提出了鉴于药物图和基因通路的药物反馈猜测方法（GPDRP），这是一种新的多模态深度进修模型，用于猜测鉴于药物份子图和基因途径活性的药物反馈。在 GPDRP 中，药物由份子图…

编辑 | 萝卜皮高度多重蛋白质成像正在成为分析细胞和构造内天然环境中蛋白质分布的有效技术。然而，现有的利用高复杂空间蛋白质组学数据的细胞诠释办法是资源密集型的，并且需要迭代的专家输入，从而限制了它们对于广泛数据集的可扩展性和实用性。哈佛医学院（Harvard Medical School）团队引入了 MAPS（Machine learning for Analysis of Proteomics …

编辑 | X自牛顿时代以来，自然的基本定律——光学、声学、工程学、电子学，最终都归结为一组重要的、广泛的方程。现在，研讨职员找到了一种新要领，可以利用受大脑启发的神经网络来比以前更有效地求解这些方程，在迷信和工程领域有许多潜伏的应用。相关研讨以《Physics-enhanced deep surrogates for partial differential equations》为题，发布在《Na…

编辑 | X碳纳米材料的可控合成，比如单晶、大面积石墨烯，手性碳纳米管，是实现其在未来电子或能源设备中潜在应用的关键挑战。基底催化滋生为碳纳米构造的可控合成提供了一种非常有前途的方式。然而，静态催化外面的滋生机制和更通用的计划策略的发展仍然是一个挑战。近日，来自上海交通大学和日本东北大学（Tohoku University）的钻研团队，展示了主动机械进修模型如何无效地揭示基底（Substrate）…

编辑 | 白菜叶拜罗伊特大学（Universität Bayreuth）的科学家开发了一种利用人工智能钻研液体和软物资的新方式，开启了密度泛函表面的新篇章。我们生活在一个高度技术化的世界，在这个密集而庞大的相互关联的网络中，根源钻研是创新发展的引擎。这里的新方式，可以对广泛的仿照技术产生巨大影响，从而可以在计算机上更快、更精准、更深切地钻研庞大物资。将来，这可能会对产品和工艺设计产生影响。新制定的…

近来，《自然》子刊收录了一项能找出神经网络在哪里出错的钻研成果。钻研团队提供了一种利用拓扑学描述神经网络的判断结果与其分类之间关系的可视化方式。这项成果不妨资助钻研职员判断神经网络推理流程中发生混淆的具体情况，让人工智能系统更加透明。钻研职员发明，在神经网络推理的某些数据图中存在尖峰，这些尖峰往往出现在神经网络判断模糊与产生差错的地方。观察这些尖峰，钻研职员可以更容易发明人工智能系统中的故障点。从…