
虽然缩小场效应晶体管的尺寸对于提高计算效率是非常有效,但当接近纳米级时,Si/SiO2 界面处的量子隧穿会带来新的问题。
公众号/ ScienceAI(ID) 编辑 | 萝卜皮 随着抗生素耐药性感染的增加以及不断演变扩大的大流行病毒 […]
近日,来自斯坦福大学的 Sadasivan Shankar 和 Richard N. Zare 在《Nature Machine Intelligence》发表 Correspondence 文章:「The perils of machine learning in designing new chemicals and materials」,指出了机器学习在设计新化学品和材料中的危险。
机器学习方法的兴起正在加快材料和药物发现过程,然而,当前的技术,主要是深度学习,需要大量数据集来训练模型,并且许多特定类别的化学数据集包含少数示例化合物,限制了它们泛化和生成可以在现实世界中创建的物理分子的能力。
今天,生物医学研究人员可以通过使用机器学习进行基于图像的分析,有效地对显微镜图像中的数千个细胞进行分类。
得益于空军科学研究办公室的195 万美元赠款,马萨诸塞大学阿默斯特分校数学和统计系教授 Markos Katsoulakis 和 Luc Rey-Bellet,以及布朗大学的 Paul Dupuis 将在接下来的四年开发一种新的机器学习方法,超越对大数据的传统依赖。
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。
贫瘠高原是在机器学习优化算法中发生的可训练性问题,算法无法在似乎没有特征的景观中找到向下的坡度,也没有通往最小能量的明确途径。
据 VentureBeat 报道,大约 90% 的机器学习模型从未投入生产。换句话说,数据科学家的工作只有十分之一能够真正产出对公司有用的东西。
「弱人工智能」对应深度学习,围绕单一任务点,需要大量数据做支撑,有时候不那么可靠,可移植性差/移植过后需要大量重新训练。
即使是最官方的记录,关于历史的档案也常常会出错。例如,在南非结束种族隔离制度下的白人统治多年之后的十年中,该国学校使用的书籍仍然没有反映人们的经历。
关注的人都知道,谷歌“Arts & Culture”总会发布些有趣的应用来增强人们与艺术和历史间的互动,很有意义。
近日,莫斯科物理技术学院、伊万尼科夫系统编程研究所和哈佛医学院附属的谢本斯眼研究所的研究人员开发出了一种能够在培养皿分化过程中识别视网膜组织的神经网络。
公众号/AI公园 作者:AltexSoft Inc 编译:ronghuaiyang 导读 给大家介绍一下AI在 […]