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...
》)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...
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...
[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 ...
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...
2010年代第三波AI浪潮的标志性事件之一：Deep Learning三巨头发表在Nature上的综述 AI for Science无疑...
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...
来看大佬如何总结AI for Science。 十年科学发现中AI的身影 在这篇论文中,研究人员从AI辅助的科学研究数据收集和整理、学习有意义的科学数据表示、使用AI生成科学假说、AI驱动的实验和模拟几个方面讲述了近年来AI在科学研究中的应用。 AI辅助的科学研究数据收集和整理 ...
AI for Science:清华团队提出使用低维优化求解器求解高维/大规模优化问题的高效方法 摘要:在2023年7月即将召开的机器学习领域知名国际会议ICML2023中,清华大学计算机系徐华老师团队以长文的形式发表了采用低维优化求解器求解高维/大规模优化问题的最新研究成果(论文标题“GNN&GBDT-Guided Fast Optimizing Framework for ...