기사 소개：놀랍게도 GPT-4는 스스로 과학 연구를 수행하는 방법을 배웠습니다. 최근 카네기멜론대학교 여러 과학자들이 논문을 발표해 AI계와 화학계에 동시에 충격을 안겼다. 스스로 실험과 과학 연구를 수행할 수 있는 AI를 만들었습니다. 이 AI는 여러 개의 대규모 언어 모델로 구성되어 있으며 폭발적인 과학 연구 능력을 갖춘 GPT-4 에이전트 에이전트라고 할 수 있습니다. 벡터 데이터베이스의 장기 기억을 갖고 있기 때문에 복잡한 과학 문서를 읽고 이해하며 클라우드 기반 로봇 실험실에서 화학 연구를 수행할 수 있습니다. 네티즌들은 너무 충격을 받아 말문이 막혔다. 그럼 이게 AI가 스스로 한 다음 스스로 발표한다는 건가요? 맙소사. 어떤 사람들은 "테니스 실험(TTE)"의 시대가 다가온다고 한탄하기도 합니다! 이것이 화학계의 전설적인 AI 성배가 될 수 있을까요? 아마 최근에 많이

2023-04-17 논평 0  1543

기사 소개：[CNMO 뉴스] 11월 14일 신화통신에 따르면 중국 과학기술대학교 뤄이(Luo Yi), 장쥔(Jiang Jun), 샹웨이웨이(Shang Weiwei) 교수팀은 최근 심우주탐사연구소 장저(Zhang Zhe) 연구원 등과 협력했다. 지능형 로봇 '머신 케미스트(Machine Chemist)'를 활용해 화성 운석을 활용한 새로운 촉매 개발에 성공했고, 화성에서 물을 이용해 산소를 생산하는 고효율·저에너지 솔루션을 제시했으며, 화성에서 현지 소재를 활용한 화학물질 개발의 새로운 길을 모색하고 있다. 지구 밖의 은하계. 오늘, 국제적으로 유명한 학술지인 네이처 신세시스(Nature Synthesis)에 이 연구 결과가 게재되었습니다. 보도에 따르면 중국 과학기술대학교와 심우주탐사연구소 연구원들이 자체 개발한 지능형 로봇 '기계 화학자(Machine Chemist)'를 사용해 화성 운석의 성분을 분석하고 추출하는 데 성공했다고 합니다.

2023-11-14 논평 0  825

기사 소개：편집자 | Ziluo의 전통적인 재료 연구 및 개발 모델은 주로 "시행 착오" 실험 방법이나 우연한 발견에 의존하며 연구 개발 과정은 일반적으로 10~20년이 걸립니다. 머신러닝(ML)을 기반으로 한 데이터 기반 방법은 청정 에너지 기술을 위한 신소재 설계를 가속화할 수 있습니다. 그러나 대규모의 고충실도 실험 데이터베이스가 부족하여 재료 연구에서의 실제 적용은 여전히 ​​제한적입니다. 최근 Pacific Northwest National Laboratory와 미국 Argonne National Laboratory의 연구팀은 최적의 용해도를 위해 양극액 전해질을 효과적으로 스크리닝하기 위해 처리량이 많은 실험 플랫폼과 가장 진보된 능동 학습 알고리즘을 결합하는 고도로 자동화된 작업 흐름을 설계했습니다. . 본 연구의 목표는 에너지 저장 시스템의 성능과 안정성을 향상시켜 재생에너지 활성화를 도모하는 것입니다.

2024-04-10 논평 0  483

기사 소개：9월 3일자 이 사이트의 뉴스에 따르면, 리튬 배터리 수명을 정확하게 예측하는 것은 전기 장비의 정상적인 작동에 매우 중요합니다. 그러나 배터리 용량 저하 과정의 비선형성과 작동 조건의 불확실성으로 인해 배터리 수명을 정확하게 예측하는 데 어려움이 있습니다. 중국과학원은 대련화학물리연구소 산하 국가중점에너지촉매연구소 전력배터리 및 시스템 연구부 소속 Chen Zhongwei 연구원과 부연구원 Mao Zhiyu 팀이 시진핑 주석 Feng Jiangtao 교수와 함께 '자오퉁 대학교(Jiaotong University)는 배터리 상태 관리 연구에서 진전을 이루었습니다. 관련 연구 결과는 전기전자공학회 교통전기화학저널(본 사이트에 첨부된 DOI: 10.1109/TTE.2024.3434553)에 게재되었습니다. 1. 보고서에 따르면 연구팀은 새로운 딥러닝 모델을 개발했습니다.

2024-09-03 논평 0  372

기사 소개：이 리뷰(확산 모델: 방법 및 응용 분야에 대한 종합 조사)는 캘리포니아 대학교의 Ming-Hsuan Yang 및 Google Research, 북경 대학교 Cui Bin 연구소, CMU, UCLA, Montreal Mila Institute 및 기타 연구팀에서 작성되었습니다. 확산 모델 알고리즘의 세부 분류, 다른 5개 주요 생성 모델과의 연관성, 7개 주요 분야에서의 적용 등 기존의 확산 모델에 대한 종합적인 요약 및 분석을 수행한 것은 이번이 처음입니다.

2023-04-12 논평 0  1081

기사 소개：6월 14일, Tencent Robotics가 홍보합니다. 로봇개를 인간이나 동물처럼 유연하고 안정적으로 움직이게 만드는 것은 로봇공학 연구 분야의 장기적인 목표입니다. 딥러닝 기술의 지속적인 발전을 통해 기계는 '학습'을 통해 관련 능력을 습득하고 복잡하고 변화무쌍한 상황에 대처하는 방법을 배울 수 있습니다. 환경 변화가 가능해야 합니다. 사전 훈련 및 강화 학습 도입: 로봇 개를 더욱 민첩하게 만듭니다. Tencent RoboticsX Robotics Laboratory는 로봇 개가 단계별로 학습할 수 있도록 사전 훈련 모델과 강화 학습 기술을 도입하여 다양한 수준의 학습을 효과적으로 결합합니다.

2023-06-16 논평 0  828

기사 소개：컴퓨터 분야 국제 권위 있는 학술회의 ACMCCS2023이 11월 26일 덴마크 코펜하겐에서 개막됐다. Tencent Security Big Data Laboratory 팀의 논문 "Hopper: Interpretative Fuzzing for Libraries"가 컨퍼런스에 포함되었습니다. 어제 실험실 연구원 Xie Yuxuan이 컨퍼런스에 초대되어 주제를 공유했습니다. 본 연구에서는 해석적 퍼지 테스트 방법을 제안하고 동적 피드백을 사용하여 API 내부 및 외부의 제약 조건을 학습하여 자동화된 코드 생성을 달성하는 방법을 보여줍니다. 이 방법을 통해 외부 전문 지식 없이도 유효하고 사용 가능한 코드 호출 방법을 생성하고 이러한 코드를 활용하여 취약점을 악용하는 것이 가능합니다. 이 연구 방법의 목표는 퍼지 테스트에 대한 인간의 요구를 해결하는 것입니다.

2023-11-29 논평 0  1428

기사 소개：편집자 | ScienceAI 최근 자연과학연구소/물리천문학부/장장고등연구소/약학부 홍량 교수와 상하이 인공과학대학의 젊은 연구원 탄 판(Tan Pan)이 참여한 연구그룹 지능 연구소(Intelligence Laboratory)는 단백질 돌연변이 특성 예측에 중요한 돌파구를 마련했습니다. 이 연구는 매우 적은 양의 실험 데이터를 사용하여 돌연변이 특성 예측에서 기존 단백질 사전 훈련 대형 모델의 성능을 크게 향상시키는 새로운 훈련 전략을 채택했습니다. 이번 연구 결과는 '수회 학습을 통한 최소한의 wet-labdata로 단백질 언어 모델의 효율성 향상'이라는 제목으로 게재됐다.

2024-07-11 논평 0  849

기사 소개：번역가 | Li Rui 리뷰어 | Sun Shujuan 기계 학습이 사람들이 매일 사용하는 많은 애플리케이션의 일부가 되면서 사람들은 기계 학습 모델에 대한 보안 및 개인 정보 보호 위협을 식별하고 해결하는 방법에 점점 더 많은 관심을 기울이고 있습니다. 그러나 다양한 기계 학습 패러다임이 직면한 보안 위협은 다양하며 기계 학습 보안의 일부 영역은 아직 연구가 부족합니다. 특히 강화학습 알고리즘의 보안은 최근 몇 년간 큰 관심을 받지 못했습니다. McGill University, MILA(Machine Learning Laboratory) 및 캐나다 워털루 대학교의 연구원들은 심층 강화 학습 알고리즘의 개인 정보 보호 위협에 초점을 맞춘 새로운 연구를 수행했습니다. 연구원들은 멤버십 추론 공격에 대한 강화 학습 모델의 취약성을 테스트하기 위한 프레임워크를 제안합니다. 연구

2023-04-09 논평 0  1289

기사 소개：이 리뷰(확산 모델: 방법 및 응용 분야에 대한 종합 조사)는 캘리포니아 대학교의 Ming-Hsuan Yang 및 Google Research, 북경 대학교 Cui Bin 연구소, CMU, UCLA, Montreal Mila Research 및 기타 연구팀에서 작성되었습니다. 확산모델 알고리즘의 세부 분류, 다른 5개 주요 생성모델과의 연관성, 7개 주요 분야에서의 적용을 시작으로 기존 확산모델에 대한 종합적인 요약 및 분석을 검토한 것은 이번이 처음이다.

2023-04-09 논평 0  1471

기사 소개：AIxiv 칼럼은 본 사이트에서 학술 및 기술 콘텐츠를 게재하는 칼럼입니다. 지난 몇 년 동안 이 사이트의 AIxiv 칼럼에는 전 세계 주요 대학 및 기업의 최고 연구실을 대상으로 한 2,000개 이상의 보고서가 접수되어 학술 교류 및 보급을 효과적으로 촉진하고 있습니다. 공유하고 싶은 훌륭한 작품이 있다면 자유롭게 기여하거나 보고를 위해 연락주시기 바랍니다. 제출 이메일: liyazhou@jiqizhixin.com; zhaoyunfeng@jiqizhixin.com 이 기사는 대련 공과대학 및 중국 과학 기술 대학의 상하이 인공 지능 연구소에서 작성했습니다. 교신저자: Shao Jing은 홍콩중문대학교 멀티미디어 연구실 MMLab에서 박사학위를 취득하고 현재 포강국립연구소 대형모델 보안팀장을 맡아 대형모델 연구를 주도하고 있다.

2024-06-14 논평 0  418

기사 소개：Editor | Dead Leaf Butterfly 대규모 언어 모델은 생물학과 화학을 이해하는 과학자의 능력을 크게 향상시켰지만 구조 기반 약물 발견, 양자 화학 및 구조 생물학에 대한 신뢰할 수 있는 방법은 거의 남아 있지 않습니다. 대규모 언어 모델에는 정확한 생체분자-리간드 상호작용 데이터 세트가 시급히 필요합니다. 이 문제를 해결하기 위해 뮌헨 헬름홀츠 연구 센터 생물학 연구소와 뮌헨 기술 대학의 연구원들은 MISATO를 제안했습니다. 이는 소분자의 양자 역학(QM) 특성과 약 20,000개의 실험적 단백질-리간드 복합체의 관련 분자 역학(MD) 시뮬레이션 및 실험 데이터의 광범위한 검증을 결합한 데이터 세트입니다. 연구진은 기존 실험구조에서 출발해 반실증적 양자역학을 활용해 이를 체계적으로 개선했다.

2024-06-01 논평 0  433

기사 소개：화학 반응은 약물 설계 및 유기 화학 연구의 기초입니다. 화학 반응의 기본 규칙을 효과적으로 포착할 수 있는 대규모 딥 러닝 프레임워크에 대한 연구 커뮤니티의 필요성이 커지고 있습니다. 최근 북경대학교 연구팀과 왕시 인텔리전스(Wangshi Intelligence) 연구팀은 반응 기반 분자 사전 훈련과 생성 작업 간의 격차를 해소할 수 있는 새로운 방법을 제안했습니다. 연구자들은 유기화학 메커니즘에서 영감을 받아 귀납적 편향을 모델에 통합할 수 있는 새로운 사전 훈련 프레임워크를 개발했습니다. 제안된 이 프레임워크는 까다로운 다운스트림 작업을 수행할 때 최첨단 결과를 달성합니다. 프레임워크는 화학 지식을 활용하여 소수의 반응 템플릿에 의존하는 현재 분자 생성 모델의 한계를 극복합니다. 광범위한 실험에서 이 모델은 고품질의 합성 가능한 약물 유사 구조를 생성했습니다.

2023-12-14 논평 0  586

기사 소개：지난 2년 동안 스탠포드 대학의 HazyResearch 실험실은 시퀀스 길이를 늘리는 중요한 작업에 참여해 왔습니다. 그들은 다음과 같은 견해를 가지고 있습니다. 더 긴 시퀀스는 기계 학습을 위한 기본 모델, 즉 더 긴 컨텍스트, 여러 미디어 소스, 복잡한 프레젠테이션 등에서 학습할 수 있는 모델의 새로운 시대를 열 것입니다. 현재 이 연구는 새로운 진전을 이루었습니다. HazyResearch 연구소의 TriDao와 DanFu는 FlashAttention 알고리즘의 연구와 홍보를 주도하여 32k의 시퀀스 길이가 가능하고 기본 모델(OpenAI, Microsoft, NVIDIA 및 기타 회사의 모델) 시대에 널리 사용될 것임을 입증했습니다. 플라스를 사용하고 있습니다

2023-05-01 논평 0  852

기사 소개：AIxiv 칼럼은 본 사이트에서 학술 및 기술 콘텐츠를 게재하는 칼럼입니다. 지난 몇 년 동안 이 사이트의 AIxiv 칼럼에는 전 세계 주요 대학 및 기업의 최고 연구실을 대상으로 한 2,000개 이상의 보고서가 접수되어 학술 교류 및 보급을 효과적으로 촉진하고 있습니다. 공유하고 싶은 훌륭한 작품이 있다면 자유롭게 기여하거나 보고를 위해 연락주시기 바랍니다. 제출 이메일: liyazhou@jiqizhixin.com; zhaoyunfeng@jiqizhixin.com 이 기사의 주요 저자는 Huang Yichong입니다. Huang Yichong은 하얼빈 공과대학교 소셜 컴퓨팅 및 정보 검색 연구 센터의 박사 과정 학생이자 Pengcheng 연구소의 인턴으로 Qin Bing 교수와 Feng Xiaocheng 교수 밑에서 공부하고 있습니다. 연구 방향에는 대형 언어 모델의 앙상블 학습, 다국어 대형 모델, 상관 이론이 포함됩니다.

2024-07-19 논평 0  1186

기사 소개：최근 중국 과학기술대학교 뤄이(Luo Yi), 장쥔(Jiang Jun), 샹웨이웨이(Shang Weiwei) 교수팀이 심우주탐사연구소 장저(Zhang Zhe) 연구원과 협력해 지능형 로봇을 이용해 화성에서 사용할 수 있는 새로운 유형의 촉매 개발에 성공했다. "기계 화학자". 물을 사용하여 산소를 생성합니다. 이 연구는 효율적인 저에너지 솔루션을 제공하고 외계 은하계의 현지 물질에서 화학 물질을 개발하기 위한 새로운 길을 열어줍니다. 연구결과는 국제저명학술지 '네이처·합성' 11월 14일자에 게재됐다. 편집자 : 리헝이(Li Hengyi) AI 합성 앵커 기술지원 : 아이플라이텍(iFlytek)

2023-11-14 논평 0  616

기사 소개：AIxiv 칼럼은 본 사이트에서 학술 및 기술 콘텐츠를 게재하는 칼럼입니다. 지난 몇 년 동안 이 사이트의 AIxiv 칼럼에는 전 세계 주요 대학 및 기업의 최고 연구실을 대상으로 한 2,000개 이상의 보고서가 접수되어 학술 교류 및 보급을 효과적으로 촉진하고 있습니다. 공유하고 싶은 훌륭한 작품이 있다면 자유롭게 기여하거나 보고를 위해 연락주시기 바랍니다. 제출 이메일: liyazhou@jiqizhixin.com, zhaoyunfeng@jiqizhixin.com Shanghai Jiao Tong University의 Generative Artificial Intelligence Laboratory(GAIRLab) 연구팀의 주요 연구 방향은 대규모 모델 훈련, 정렬 및 평가입니다. 팀 홈페이지: https://plms.ai/AI 기술은 최근 날이 갈수록 변화하고 있습니다.

2024-06-24 논평 0  1065

기사 소개：Apple은 최근 제품 제조와 연구 개발을 더 잘 지원하기 위해 중국에 있는 응용 연구소의 규모를 확장할 것이라고 발표했습니다. Apple은 상하이 연구 센터를 강화하고 모든 제품 라인이 신뢰성, 품질 및 재료 분석 측면에서 더 높은 수준에 도달할 수 있도록 보다 포괄적인 지원을 제공할 계획이라고 합니다. 애플은 선전에 새로운 응용연구소를 설립할 계획이다. 이번 움직임은 VisionPro 제품을 중국 시장에 선보이기 위한 전략적 배치로 보인다. 회사는 지역 내 직원 지원을 강화하고 현지 공급업체와의 협력을 심화할 것이라고 밝혔다. 이 새로운 실험실은 iPhone, iPad, Apple Vision Pro와 같은 제품의 테스트 및 연구 역량을 향상시키는 데 중점을 둘 것입니다. 편집자의 조사에 따르면, 애플은 이미

2024-03-14 논평 0  451

기사 소개：이 기사는 0차 최적화의 확장성을 개선하기 위한 연구입니다. 코드는 오픈 소스이며 논문은 ICLR2024에 승인되었습니다. 오늘은 미시간 주립대학교와 로렌스 리버모어 국립연구소의 공동 연구 논문 “DeepZero: ScalingupZeroth-OrderOptimization for DeepModelTraining”을 소개하고자 합니다. 이 논문은 최근 ICLR2024 컨퍼런스에서 승인되었으며, 연구팀은 코드를 오픈 소스로 만들었습니다. 본 논문의 주요 목표는 딥러닝 모델 훈련에서 0차 최적화 기술을 확장하는 것입니다. 0차 최적화는 기울기 정보에 의존하지 않는 최적화 방법으로 고차원 매개변수 공간과 복잡한 모델을 더 잘 처리할 수 있습니다.

2024-02-15 논평 0  691

기사 소개：AIxiv 칼럼은 본 사이트에서 학술 및 기술 콘텐츠를 게재하는 칼럼입니다. 지난 몇 년 동안 이 사이트의 AIxiv 칼럼에는 전 세계 주요 대학 및 기업의 최고 연구실을 대상으로 한 2,000개 이상의 보고서가 접수되어 학술 교류 및 보급을 효과적으로 촉진하고 있습니다. 공유하고 싶은 훌륭한 작품이 있다면 자유롭게 기여하거나 보고를 위해 연락주시기 바랍니다. 제출 이메일: liyazhou@jiqizhixin.com; zhaoyunfeng@jiqizhixin.com Shanghai Jiao Tong University의 Generative Artificial Intelligence Laboratory(GAIRLab) 연구팀의 주요 연구 방향은 대규모 모델 훈련, 정렬 및 평가입니다. 팀 홈페이지 : https://plms.ai/ 향후 20년 안에 AI가 인간을 넘어설 것으로 예상

2024-06-20 논평 0  610