采集
斯坦福 AI 方法加速目标材料发现,为「自动驾驶实验」奠定基础
编辑 | KX传统的材料发现过程既耗时又成本高昂。可能的材料空间也非常大,仅由四种元素组成的材料就有超过 100 亿种可能性,对于制药应用而言,挑战更大,大约有 10^60 种可能的类药分子。斯坦福大学和美国能源部 SLAC 国家加速器实验室的科学家们,开发了一种 AI 方法,有助于在寻找新材料时更有效地收集数据,使研究人员能够以更高的精度和速度应对复杂的材料设计挑战。研究人员提出了一个框架,通过简单的用户定义过滤算法来捕获实验目标。这些算法会自动转换为三种智能、无参数、顺序数据采集策略(SwitchBAX、Inf
7/29/2024 3:22:00 PM
ScienceAI
- 1
资讯热榜
标签云
AI
人工智能
OpenAI
AIGC
模型
ChatGPT
DeepSeek
谷歌
AI绘画
机器人
数据
大模型
Midjourney
开源
智能
Meta
用户
微软
GPT
学习
技术
AI新词
图像
Gemini
智能体
马斯克
AI创作
Anthropic
英伟达
论文
训练
代码
算法
LLM
Stable Diffusion
芯片
腾讯
苹果
蛋白质
Claude
开发者
AI for Science
Agent
生成式
神经网络
机器学习
3D
xAI
研究
人形机器人
生成
AI视频
百度
工具
计算
Sora
GPU
华为
大语言模型
RAG
具身智能
AI设计
字节跳动
搜索
大型语言模型
场景
AGI
深度学习
视频生成
预测
视觉
伟达
架构
Transformer
编程
神器推荐
DeepMind
亚马逊
特斯拉
AI模型