所有的真理都经历了三个阶段:第一,被嘲笑; 第二,被强烈反对;第三,被不证自明地接受。
人工智能、机器学习相关技术已经多次刷新了人们对于「计算机能做什么」的认知,那么紧接着的一个问题就是「计算机会不会替代人类的工作」。
“人工智能就像现在的‘狂野西部’,”高通的图形主管Tim Leland在本月早些时候告诉我,该公司推出了最新的高端移动芯片。
晓查 李林 编译自 Quora 量子位 出品 | 公众号 QbitAI 昨天,美国问答网站Quora宣布完成了 […]
文/恒亮 借着人工智能的热潮,各种机器学习项目也迎来了一个爆发期。其中有一些因为背后的巨头支持或者稳定可靠的性 […]
文/温晓桦 过去一周,金融科技界又有哪些不可错过的消息呢? ● ● ● Money2020重磅直击:在金融创新 […]
文/张驰 乐视金融CEO王永利:区块链技术研发和应用的实践经验 本周的中国区块链技术和产业发展论坛成立大会上, […]
文/ TC Column 人工智能在未来的时间里,将成为科技公司最重要的征战领域,包括谷歌、Facebook、 […]
该研究以「Codon language embeddings provide strong signals for use in protein engineering」为题于 2024 年 2 月 23 日发布在《Nature Machine Intelligence》。
普林斯顿大学机械与航空航天工程教授、该研究的作者之一 Egemen Kolemen 表示,这些发现「绝对」是核聚变向前迈出的一步。
拜罗伊特大学(Universität Bayreuth)的科学家开发了一种利用人工智能研究液体和软物质的新方法,开启了密度泛函理论的新篇章。
「这里的见解是,我们可以看到模型正在学习什么,以做出某些分子将成为良好抗生素的预测。从化学结构的角度来看,我们的工作提供了一个具有时间效率、资源效率和机械洞察力的框架,这是我们迄今为止所没有的。」麻省理工学院医学工程与科学研究所(IMES)和生物工程系医学工程与科学 Termeer 教授 James Collins 说道。
该研究以「DeepDelta: predicting ADMET improvements of molecular derivatives with deep learning」为题,于 2023 年 10 月 27 日发布在《Journal of Cheminformatics》。
公众号/ ScienceAI(ID:Philosophyai) 编辑 | 萝卜皮 机器学习方法,特别是在大型数 […]
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。
快速浏览一下资讯类网站就会发现,如今生成人工智能似乎变得无处不在。事实上,其中一些新闻资讯可能是由生成式人工智能帮忙撰写的,例如 OpenAI 的 ChatGPT。
设计新型催化剂是解决许多能源和环境挑战的关键。尽管包括机器学习 (ML) 在内的数据科学方法有望加速催化剂的开发,通过机器学习方法很少发现真正新颖的催化剂,因为它最大的局限性是假设无法推断和识别特殊材料。
微观结构分割是一种从显微图像中提取结构统计数据的技术,是在广泛的材料研究领域建立定量结构-性能关系的重要步骤。
神经科学的一个主要关键是了解我们的感官如何将光转化为视觉,将声音转化为听觉,将食物转化为味觉,将质地转化为触觉。嗅觉有一些特别之处。
该研究以「Deploying synthetic coevolution and machine learning to engineer protein-protein interactions」为题,于 2023 年 7 月 28 日发布在《Science》。
「这项研究表明,机器学习和人工智能可以成为构建更有效的纳米疗法的设计过程中不可或缺的一部分。
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。