ScienceAI

ScienceAI

关注人工智能与其他前沿技术、基础学科的交叉研究与融合发展。
麻省理工学院的研究团队生成了在极端电场下具有非常理想的特性的硅兼容纳米级质子可编程电阻器。这种操作方式能够在室温下以节能的方式在纳秒内控制质子的穿梭和嵌入。 °「比人脑中的突触快100万倍」,MIT为人工智能... ​​​​
「比人脑中的突触快100万倍」,MIT为人工智能提供更快的计算速度
ScienceAI

「比人脑中的突触快100万倍」,MIT为人工智能提供更快的计算速度

东北大学的研究团队提出了一种基于图神经网络的特征选择方法。该方法使用特征之间的实际依赖关系和皮尔逊相关系数来构建图结构数据。应用基于图神经网络的信息传播和聚合操作,将节点信息融合到图结构化数据上。通过谱聚类方法对冗余特征进行聚类。 °东北大学结合图神经网络和基因关系的方法,用... ​​​​
东北大学结合图神经网络和基因关系的方法,用于生物标志物选择
ScienceAI

东北大学结合图神经网络和基因关系的方法,用于生物标志物选择

美因茨约翰内斯·古腾堡大学(JGU)的研究团队专注于具有高置信度分数的子集,研究人员通过算法分析这些预测,发现蛋白质骨架表现出罕见的拓扑复杂性,即打结。 °物理学家使用人工智能来寻找迄今为止最复杂的... ​​​​
物理学家使用人工智能来寻找迄今为止最复杂的蛋白质结
ScienceAI

物理学家使用人工智能来寻找迄今为止最复杂的蛋白质结

在 4 月,研究人员发明了一种全新的问题,量子计算机应该能够比经典计算机更快地解决该问题。它涉及仅基于其混乱的输出来计算复杂数学过程的输入。这个问题是单独存在的,还是许多其他问题中的第一个问题尚待确定。 °量子算法征服了一种新的问题 ​​​​
量子算法征服了一种新的问题
ScienceAI

量子算法征服了一种新的问题

加州大学洛杉矶分校(UCLA)的研究人员展示了一种细菌菌落形成单元 (CFU) 检测系统,该系统利用基于薄膜晶体管 (TFT) 的图像传感器阵列,与环境保护署 (EPA) 批准的方法相比可节省约 12 小时。 O网页链接 ​​​​
哈佛大学与麻省理工学院的研究人员,开发了一种基于绝热状态的绝热人工神经网络(DANN),用于加速对偶氮苯衍生物及此类分子的模拟。该网络比用于训练的量子化学方法快六个数量级。DANN 可转移到训练集之外的偶氮苯分子,预测与实验相关的未见物种的量子产率。 °比量子化学方法快六个数量级,一种基于绝热状... ​​​​
比量子化学方法快六个数量级,一种基于绝热状态人工神经网络方法
ScienceAI

比量子化学方法快六个数量级,一种基于绝热状态人工神经网络方法

德国亥姆霍兹柏林材料与能源研究中心(HZB)的研究人员对五种不同的 GNN 进行基准测试和分析,以预测来自有机分子 QM9 数据集的激发光谱。他们比较了 GNN 在明显的运行时测量、预测准确性和测试集中异常值分析方面的性能。 °用人工智能计算分子的「指纹」 ​​​​
用人工智能计算分子的「指纹」
ScienceAI

用人工智能计算分子的「指纹」

Toon 告诉媒体,软件是越来越大的人工智能问题所带来的巨大挑战的核心,而硬件虽然并非微不足道,但在某种意义上是次要的。 °人工智能的未来是一个软件故事,AI计算机硬件... ​​​​
人工智能的未来是一个软件故事,AI计算机硬件制造商Graphcore的CEO说
ScienceAI

人工智能的未来是一个软件故事,AI计算机硬件制造商Graphcore的CEO说

正在加载中,请稍候...