IT思维

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。

一些现代图像生成器依靠扩散原理来创建图像。基于带电粒子分布背后的过程的替代方案可能会产生更好的结果。

机器学习技术已广泛应用于化学、物理、生物学和材料科学的许多领域。

本文是对这篇论文的简短总结。

AI 前线导读：今年年初，OpenAI 推出了当时号称“最强 NLP 模型”的 GPT-2，该模型可以生成连贯的文本段落，刷新了 7 大数据集基准，并且能在未经预训练的情况下，完成阅读理解、问答、机器翻译等多项不同的语言建模任务。

大多数的博客更多都关注模型的精度、召回率、AUC(Area under curve，ROC曲线下区域面积)等分类指标。这里想稍稍改变一下，让我们来探索各种更多的指标，包括在回归问题中使用的指标。MAE和RMSE是关于连续变量的两个最普遍的度量标准。

虽然强化学习问题的一般形式可以有效地推理不确定性，但强化学习和概率推断的联系并不是很明显。