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...
》)这篇论文对研究者过去多年持续探索的 AI for science 的研究领域进行了综述,根据系统所在的物理世界的空间和时间尺度,来组织不同的 AI for science 领域。这项工作提供了一个全面的分类体系,以对称性、等变性和群论这些数学和物...
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...
人工智能(AI)正越来越多地融入科学发现,以增强和加速研究,帮助科学家产生假设,设计实验,收集和解释大型数据集,并获得仅使用传统科学方法可能无法获得的见解。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...
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...
[8] Spirling, Arthur. 2023. Open generative AI models areaway forward for science, NATURE [9] Taylor Matthew E,Ay Sakire Arslan AAAI. 2017. AI Projects for Computer Science Capstone Classes, THIRTY-FIRST AAAI CONFERENCE ON ARTIFICIAL INTELLIGENCE ...
文献2406.10833 综述了LLMs在包括文本处理和其他数据模态下的科学贡献,强调了不同科学领域间模型体系结构及预训练技术的共通性。 2406.10997 则介绍了一种两级重叠加性Schwarz预处理器,通过加速训练进程,提高了科学机器学习应用的效率。 在数据不完整问题上,研究 2406.11023 提出了一种结合物理知识的深度学习方法PTPAI,...
在“Scientific discovery in the age of artificial intelligence”这篇三位华人一作、Yoshua Bengio领衔的论文中，作者详解了自监督学习、几何深度学习、生成式人工智能等技术在科学研究中的应用，并提出了目前AI跨界仍存在的核心问题，目前该论文已刊于Nature综述文章。来看大佬如何总结AI for Science。十年科学发现中AI...
对于众多 AI for Science 领域,几何图是一种有力且通用的表示方法,其可以用于表示众多物理系统,包括小分子、蛋白质、晶体、物理点云等。 几何图神经网络模型 根据实际问题中的求解目标对于对称性的要求,本文将几何图神经网络分为三类:...