学习

SOTA性能，多尺度学习，中山大学提出蛋白质-药物相互作用AI框架

编辑 | 紫罗蛋白质、药物和其他生物分子之间的相互作用，在各种生物过程中发挥着至关重要的作用。了解这些相互作用对于破译生物学过程背后的分子机制和开发新的治疗策略至关重要。当前的多尺度计算方法，常常过于依赖于单一尺度，而对其他尺度的拟合不足，这可能与多尺度学习的不平多尺度衡性和固有的贪婪性有关。为了缓解优化不平衡，中山大学和上海交通大学的研究人员提出了一种基于变量期望最大化的多尺度表示学习框架 MUSE，它可以有效地整合多尺度信息进行学习。该策略通过相互监督和迭代优化，有效融合原子结构和分子网络尺度之间的多尺度信息。

5/31/2024 11:54:00 AM

ScienceAI

准确预测药物-靶点相互作用，江南大学提出深度学习融合GNN新方法MINDG

编辑 | 紫罗药物-靶点相互作用（DTI）预测在药物发现中发挥着重要作用。尽管药物靶点预测的智能计算方法受到了广泛关注，并取得了许多进展，但仍然是一项具有挑战性的任务，需要进一步的研究。为了解决上述挑战，江南大学研究团队提出了一种集成深度学习和图学习的多视图集成学习网络（MINDG）。MINDG 结合图学习和深度学习来提取药物和蛋白质的内在结构信息，以及它们之间的外在关系信息。因此，与之前的方法相比，MINDG 提高了模型预测的性能。相关研究以《MINDG: a drug–target interaction pr

5/24/2024 7:52:00 PM

ScienceAI

提高光学数据集利用率，天大团队提出增强光谱预测效果 AI 模型

编辑 | 枯叶蝶近日，天津大学激光与光电子研究所吴亮副教授、姚建铨院士团队联合自然语言处理实验室熊德意教授团队报道了一种使用多频率补充输入的深度学习模型来增强光谱预测效果的方案。该方案可有效地提高现有光学数据集的利用率，在不额外增加训练成本的基础上，增强了与超表面结构对应的光谱响应的预测效果。相关研究成果以「Enhanced spectrum prediction using deep learning models with multi-frequency supplementary inputs」为题，于 20

5/22/2024 2:21:00 PM

ScienceAI

AI 提高无创脑机接口性能，卡内基梅隆大学贺斌团队的新范式

编辑 | 萝卜皮脑机接口（BCI）有可能帮助恢复患者的运动功能，并通过提供大脑与机器人或其他设备的直接连接，使普通大众受益。在最新的工作中，卡内基·梅隆大学（Carnegie Mellon University）贺斌教授团队开发了一种使用基于深度学习 (DL) 的解码器来连续跟踪 BCI 系统的范例，并通过广泛的在线实验展示了其功能。该团队还研究了不同数量的训练数据如何影响 DL 性能，并收集了超过 150 h 的 BCI 数据，这些数据可用于训练新模型。研究结果为开发基于深度学习的 BCI 解码器提供了重要范式，

5/21/2024 5:23:00 PM

ScienceAI

Nature|机器学习和物理模型的「双向奔赴」，3种AI气候建模方法

编辑 | ScienceAI气候科学家 Tapio Schneider 很高兴，因为机器学习让他摆脱了日常工作中繁琐乏味的任务。十多年前，当他第一次开始模拟云的形成时，这主要涉及到煞费苦心地调整描述水滴、气流和温度如何相互作用的方程。但自 2017 年以来，机器学习和人工智能 (AI) 改变了他的工作方式。「机器学习让这门科学变得更加有趣，」在加州理工学院工作的 Schneider 说。「它速度更快、更令人满意，而且你可以获得更好的解决方案。」传统的气候模型是由 Schneider 等科学家从头开始手动构建的，他们

3/27/2024 6:49:00 PM

ScienceAI

让 AI 模型互相教学，谷歌推出社会学习框架

谷歌近日公开了一项名为“社会学习（Social Learning）”的 AI 框架，该框架允许 AI 语言模型能够通过自然语言互相学习，由于不需要直接交换敏感关键信息，因此训练出的 AI 模型更具隐私保护性。据介绍，在这款“社会学习框架”中，“学生模型”会向多个已知特定任务解法的“教师模型”学习各种问题的解决方案，研究人员设计了“垃圾短信检测”、“解决小学数学问题”、“根据特定文字回答问题”等多项测试，来评估相关“社会学习”框架的成效。研究人员表示，部分 AI 模型只经过短暂的“社会学习”框架训练，便能够能获得良好

3/11/2024 11:19:57 AM

漾仔

大模型应用助力大学生备考提效夸克App上线“AI学习助手”

期末备考进行时，智能工具成为大学生提效的新“搭子”。日前，夸克App基于自研大模型的强大参数和数据精调能力，推出一款大模型全新应用“AI学习助手”，在部分搜索学习内容的结果页中，通过智能化的解题思路和讲解方式，进一步提升大学生在自学场景中的效率和质量。AI时代，学习不再是枯燥的刷题和找答案，尤其在大学阶段，通过互联网产品培养自主学习能力是提升自身竞争力的新方向。随着大模型应用逐渐落地以及用户需求不断变化，夸克App不仅能解决学习时面临的实际困难，还是每个人都能拥有的智能助手。夸克数据显示，过去一个月中，与大学学习相

1/9/2024 3:58:00 PM

新闻助手

ScienceAI 2023「AI+材料&化学」专题年度回顾

编辑 | KX传统的科学探索方式是「爱迪生式」的试错法。材料研发周期非常长，而且耗费的人力物力也是巨大的，并且存在偶然性。新材料的设计与研发往往面临挑战：急需的新材料难以快速筛选设计，而设计出的新材料又难以找到高效且低成本的合成配方，拥有合成配方的新材料又会面临规模化的长周期探索。以我国为例，工信部对 30 余家大型骨干企业调查结果显示，130 种关键材料中，有 32% 国内完全空白、54% 虽能生产，但性能稳定性较差、只有 14% 左右可以完全自给。2023 年大模型千帆竞发。就在前不久，大型语言模型（LLM）C

12/28/2023 5:38:00 PM

ScienceAI

助力AI技术共享，蚂蚁开源又一核心技术“因果学习系统 OpenASCE”

当地时间 12 月 10 日，为期 6 天的 AI 国际顶会 NeurIPS (Neural Information Processing Systems) 在美国路易斯安那州新奥尔良市开幕。NeurIPS 是全球人工智能和机器学习领域的顶级会议，与 ICML 并称为人工智能领域难度最大，水平最高，影响力最强的会议。会议首日，中国互联网企业蚂蚁集团受邀举办主题为“知识增强 AI 在垂直行业的应用探索”（Knowledge-enhanced AI for Industry Verticals）的研讨会，并在会上开源了

12/11/2023 4:25:00 PM

新闻助手

NeurIPS 2023 | 腾讯AI Lab 18篇入选论文解读

NeurIPS 2023（Neural Information Processing Systems）神经信息处理系统大会是当前全球最负盛名的AI学术会议之一，将于12月10日在美国新奥尔良召开。根据官网邮件显示，本届会议共有12343篇有效论文投稿，接收率为 26.1％，高于 2022 年的 25.6％。今年腾讯 AI Lab 共有18篇论文入选，包含一篇 Spotlight，内容涵盖机器学习、计算机视觉、自然语言处理等方向，以及AI在科研、游戏等领域的融合探索。以下为论文概览。机器学习1. GADBenc

12/8/2023 2:45:00 PM

新闻助手

改进分子表征学习，清华团队提出知识引导的图 Transformer 预训练框架

编辑 | 紫罗学习有效的分子特征表征以促进分子特性预测，对于药物发现具有重要意义。最近，人们通过自监督学习技术预训练图神经网络（GNN）以克服分子特性预测中数据稀缺的挑战。然而，当前基于自监督学习的方法存在两个主要障碍：缺乏明确的自监督学习策略和 GNN 的能力有限。近日，来自清华大学、西湖大学和之江实验室的研究团队，提出了知识引导的图 Transformer 预训练（Knowledge-guided Pre-training of Graph Transformer，KPGT），这是一种自监督学习框架，通过显著增

11/23/2023 3:55:00 PM

ScienceAI

可信联邦学习冬令营·成都开营，产学研共促AI人才培养

近年来，国家对于人工智能和数据安全的重视程度不断加强。国务院《新一代人工智能发展规划》中明确提出了加强人工智能领域的基础研究、培养高素质人才、促进产业融合等方面的要求。联邦学习是人工智能和隐私计算核心技术之一，以“数据不动模型动，数据可用不可见”的核心特征，在保护数据隐私，促进数据要素安全流通等方面发挥关键性作用。

11/20/2023 5:19:00 PM

新闻助手

MIT 开发深度化学模型的神经尺度策略，发现「神经尺度」定律

编辑 | 绿萝在数据可用性和计算方面，大规模使得自然语言处理和计算机视觉等深度学习关键应用领域取得了重要突破。越来越多的证据表明，规模可能是科学深度学习的关键因素，但物理先验在科学领域的重要性使得规模化的策略和收益变得不确定。近日，来自 MIT 的研究团队通过将模型和数据集大小改变多个数量级来研究大型化学模型中的神经尺度（neural-scaling）行为，研究具有超过 10 亿个参数的模型，并在多达 1000 万个数据点的数据集上进行预训练。研究考虑用于生成化学的大型语言模型和用于机器学习原子间势的图神经网络。研

11/13/2023 3:02:00 PM

ScienceAI

更低计算成本，基于单电子约化密度矩阵的机器学习电子结构方法

编辑 | 萝卜皮密度泛函理论（DFT）的定理建立了多体系统的局部外部势与其电子密度、波函数以及单粒子约化密度矩阵之间的双射映射。在此基础上，罗格斯大学（Rutgers University）和纽约大学（New York University）的研究人员证明基于单电子约化密度矩阵（reduced density matrices）的机器学习模型可用于生成替代电子结构方法。该团队为从小分子（如水）到更复杂的化合物（如苯和丙醇）的系统生成局部和混合 DFT、Hartree-Fock 和完整构型相互作用理论的替代品。代理模

10/29/2023 6:56:00 PM

ScienceAI

机器学习可以更好地进行量子纠错

编辑 | 白菜叶自主量子纠错（AQEC）通过设计耗散来保护逻辑量子位，从而避免频繁、容易出错的测量反馈循环的必要性。玻色码空间（其中单光子丢失代表了主要的错误来源）由于其灵活性和可控性而成为 AQEC 的重要候选者。虽然现有的文献已经证明了具有玻色码空间的 AQEC 原则上的可行性，但这些方案通常基于 Knill-Laflamme 条件的精确实现，因此需要实现哈密顿距离 d≥2。实现这种哈密顿距离需要多个非线性相互作用和控制场，这使得这些方案在实验上具有挑战性。在这里，RIKEN 量子计算中心（RIKEN Cent

9/18/2023 4:05:00 PM

ScienceAI