这篇综述作为快速扩展的AI for Science社区的指南之一,旨在激发研究人员对于推动未来科学领域中的发现的洞察力。 研究领域:AI for Science,机器学习,计算流体力学,替代模型 汪海昕、吴泰霖| 作者 论文题目:Recent Advances on Machine Learning for Co...
近日,来 TAMU、 MIT、Stanford、UIUC、NVIDIA 等14个机构的63位作者合作撰写了一篇263页的 AI for Science 重磅综述,详细阐述了 AI 在亚原子(波函数、电子密度),原子(分子、蛋白质、材料、相互作用),以及宏观系统(流体、气候、地...
这篇综述作为快速扩展的AI for Science社区的指南之一,旨在激发研究人员对于推动未来科学领域中的发现的洞察力。 研究领域:AI for Science,机器学习,计算流体力学,替代模型 汪海昕、吴泰霖| 作者 论文题目:Recent Advances on Machine Learning for Computational Fluid Dynamics: A Survey 论文链接: https://arxiv.or...
这篇综述作为快速扩展的AI for Science社区的指南之一,旨在激发研究人员对于推动未来科学领域中的发现的洞察力。 研究领域:AI for Science,机器学习,计算流体力学,替代模型 汪海昕、吴泰霖| 作者 论文题目:Recent Advances on Machine Learning for Computational Fluid Dynamics: A Survey 论文链接:https://arxiv.org...
AI+Science 读书会 AI+Science 是近年兴起的将人工智能和科学相结合的一种趋势。一方面是 AI for Science,机器学习和其他 AI 技术可以用来解决科学研究中的问题,从预测天气和蛋白质结构,到模拟星系碰撞、设计优化核聚变反应堆,甚至像科学家一样进行科学发现,被称为科学发现的 " 第五范式 "。另一方面是 Science fo...
2023 年 11 月,Nature 连续刊登了两篇重大成果:蛋白质生成方法 Chroma 和晶体材料设计方法 GNoME,均使用了图神经网络作为科学数据的表示工具。 实际上,图神经网络,特别是几何图神经网络,一直是科学智能(AI for Science)研究的重要工具。这是因为,科学领域中的粒子、分子、蛋白质、晶体等物理系统均可被建模成一种特...
2023 年 11 月,Nature 连续刊登了两篇重大成果:蛋白质生成方法 Chroma 和晶体材料设计方法 GNoME,均使用了图神经网络作为科学数据的表示工具。 实际上,图神经网络,特别是几何图神经网络,一直是科学智能(AI for Science)研究的重要工具。这是因为,科学领域中的粒子、分子、蛋白质、晶体等物理系统均可被建模成一种特...
最近《Nature》发表的一篇综述对AI for science 进行了全面介绍。生成式人工智能方法可以通过分析各种数据模式(包括图像和序列)来创建设计,例如小分子药物和蛋白质。将讨论这些方法如何在整个科学过程中帮助科学家,以及尽管取得了这些进步,但仍然存在的核心问题。人工智能工具的开发人员和用户都需要更好地了解这些方法何时...
2023 年 11 月,Nature 连续刊登了两篇重大成果:蛋白质生成方法 Chroma 和晶体材料设计方法 GNoME,均使用了图神经网络作为科学数据的表示工具。 实际上,图神经网络,特别是几何图神经网络,一直是科学智能(AI for Science)研究的重要工具。这是因为,科学领域中的粒子、分子、蛋白质、晶体等物理系统均可被建模成一种特...
近日,来自 MIT、Stanford、UIUC、NVIDIA 等14个机构的63位作者合作撰写了一篇263页的 AI for Science 重磅综述,详细阐述了 AI 在亚原子(波函数、电子密度),原子(分子、蛋白质、材料、相互作用),以及宏观系统(流体、气候、地下)等不同时空尺度的科学领域应用的关键挑战、学科前沿和开放问题。文章围绕对称性进行了深...