IT思维

现代扫描探针技术，例如扫描隧道显微镜，可以获取编码量子物质基础物理的大量数据。

量子计算关键依赖于有效表征量子硬件输出的量子态的能力。

我们会先抛出“更为常见”的问题，在每个标题下，也会优先给出“最容易实现”的解决方案。

这篇文章可以作为一个设计指南，为特定分类任务的 CNN 设计提供指导。作者围绕准确率、速度、内存消耗三个指标的权衡，从网络类型、架构设计、数据处理和迁移学习等方面介绍了 CNN 设计过程中使用的方法。

机器学习模型通常依赖于大量训练数据，所以在很多领域中难以施展拳脚。

Google DeepMind 团队介绍了「GraphCast」，一种直接从再分析数据训练的基于机器学习的方法。

但这种情况正在开始改变。借助一种称为稀疏卷积神经网络 (Sparse Convolutional Neural Network，SCNN) 的机器学习工具，研究人员可以专注于数据的相关部分并筛选出其余部分。

BM 欧洲研究院和苏黎世联邦理工学院的研究人员提出了 Regression Transformer（RT），这是一种将回归抽象为条件序列建模问题的方法。这为多任务语言模型引入了一个新方向——无缝桥接序列回归和条件序列生成。

全基因组测序的进步引发了数字生物学的革命。

低温电子断层扫描可捕获有关细胞和组织分子成分的大量结构信息。

化合物效力预测是机器学习在药物发现中的一种流行应用，为此使用了越来越复杂的模型。

机器学习和基础学科交叉在近年受到越来越多的关注。能够从大量数据中学习的 AI，是否能够像人类一样，从数据中发现规律？当神经网络被用于解决物理问题时，是否有可能学习到物理知识？

在这里，研究人员试图测试 OP-TIL 是否可以将 I 期 HPV 相关 OPSCC 患者分为低风险和高风险组，并帮助选择患者进行降级临床试验。

针对核酸大分子，特别是 RNA 的基于结构的药物设计（SBDD）是一个获得动力的研究方向，已经产生了几种 FDA 批准的化合物。

杜氏肌营养不良症（Duchenne muscular dystrophy，DMD）是一种由肌营养不良蛋白基因突变引起的肌肉萎缩性遗传疾病。

随着可编程性等问题在 FPGA 上的解决，FPGA 将成为市场人工智能应用的选择。

由于生态环境的日益恶化，森林资源的每况愈下，人工智能在林业领域必然要发挥作用。

随着工具和基础设施的成熟，应用人工智能不断加速发展。

“无芯片不 AI”。最近几年，业界萦绕着对摩尔定律失效的担忧。后摩尔定律时代，AI 芯片的崛起被寄予厚望。

在2012年的ImageNet挑战赛（ILSVRC）上，深度卷积神经网络AlexNet横空出世，在图像分类识别领域实现了质的飞跃，被认为是AI时代的标志性事件，代表着深度学习时代的正式开端。

自我监督学习可能使AI产生类人的推理能力。

大自然风云变幻莫测，令人捉摸不透自古以来人们便为了生产生活建立起来各种预测天气的方法。

在机器人和计算机视觉领域，光学 3D 距离传感器已经得到了广泛应用，比如 RGB-D 摄像头和 LIDAR 传感器，都在 3D 环境绘制和无人驾驶等任务中扮演了重要角色。

武汉新型冠状病毒肺炎的疫情仍在不断扩散。截至2020年1月30日7时，确诊病例达到7201例，确诊病例数已经超过2003年非典。随着确诊人数的增多，需要尽快确定可能感染武汉2019年新型冠状病毒（2019-nCoV）的潜在宿主与中间宿主，切断病毒传播链。

从2012年AlexNet惊艳亮相开始算起，AI已经经历了将近8年的蓬勃发展期。