文/ TC Column 人工智能在未来的时间里，将成为科技公司最重要的征战领域，包括谷歌、Facebook、 […]
文/雷建平 尽管中国明星离婚年年有，不过，演员王宝强的离婚却像深水炸弹一样，震动了大半个中国社会。 2016年 […]
据国外媒体报道，华为公司计划发行10年期美元债券融资20亿美元，支持旗下的手机业务进行扩张，这种方式与小米和乐 […]
在互联网之前，快消品是最会做营销的品牌。电视台等媒体有相当一部分广告由快消品尤其是日化品牌撑着，宝洁等快消品公 […]
加入乐视的大家庭之后，易到用车 CEO 周航说：我们原本有情怀的气质是需要改变，要学习乐视多开些发布会了。 这 […]
作为 Codecademy的创始人，Zach Sims向我们讲述了一些他自己的观点，这些观点都很值得我们去学习 […]
最近，研究人员能够从少量血液样本中测量数千种血浆蛋白，这为广泛的数据提供了新的维度，可以增进我们对人类健康的了解。
设计具有定制电气和机械性能的超轻导电气凝胶，对于各种电子设备的应用都至关重要。传统方法依赖于在广阔的参数空间中进行迭代、耗时的实验。
据此前报道，Salvagnini 在情报界从事技术领导工作 20 多年后，于 2023 年 6 月加入 NASA，担任首席数据官。
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》。
普林斯顿大学机械与航空航天工程教授、该研究的作者之一 Egemen Kolemen 表示，这些发现「绝对」是核聚变向前迈出的一步。
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。
「这里的见解是，我们可以看到模型正在学习什么，以做出某些分子将成为良好抗生素的预测。从化学结构的角度来看，我们的工作提供了一个具有时间效率、资源效率和机械洞察力的框架，这是我们迄今为止所没有的。」麻省理工学院医学工程与科学研究所（IMES）和生物工程系医学工程与科学 Termeer 教授 James Collins 说道。
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。
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。
Return to Top ▲
友情链接