相信大部分投资者都会对财经夜话：这是一个羊毛出在猪身上，让狗买单的时代相关知识很感兴趣，金斧子网将会针对在财经 […]
如今APP的开发已经到了需要进行推广运营才能得到效果的时代，有用户群体并不算什么，即使有活跃度有留存率也未必有 […]
一直以来，中国互联网基本都是照着美国发展的。 无论是效仿 google 的百度，模仿 ICQ 的腾讯QQ，亦或 […]
从阿里数据看5月份的网购价格浮动。 2014月6月，阿里研究院发布2014年5月网购核心商品价格指数（aSPI […]
截止2014年5月，根据易观中国网购商品行情系统监测结果，八大电商平台冰箱价格指数如下图所示。 2014年5月 […]
该研究以《Machine Learning based Reconstruction for the MUonE Experiment》为题，于 2024 年 3 月 10 日发布在《Computer Science》上。
传统的材料研发模式主要依赖「试错」的实验方法或偶然性的发现，其研发过程一般长达 10-20 年。
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》。
该研究以「Explainable machine learning for profiling the immunological synapse and functional characterization of therapeutic antibodies」为题，于 2023 年 11 月 30 日发布在《Nature Communications》。
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。
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。
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。
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。
德国柏林马克斯·普朗克学会弗里茨·哈伯研究所（Fritz-Haber-Institut der Max-Planck-Gesellschaft）和柏林洪堡大学（Humblodt Universität zu Berlin）的研究团队提出了一个通用的数据驱动框架，该框架提供定量预测以及定性规则，用于通过符号回归和敏感性分析的组合指导所有数据集的数据创建。
物理系统中存在的纠缠的量化对于基础研究和许多前沿应用至关重要。现在，实现这一目标需要系统的先验知识或非常苛刻的实验程序，例如全状态断层扫描或集体测量。
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》。
Return to Top ▲
友情链接