Pengenalan Artikel：Editor |. Model penyelidikan dan pembangunan bahan tradisional Ziluo bergantung terutamanya pada kaedah eksperimen "percubaan dan kesilapan" atau penemuan tidak sengaja, dan proses penyelidikan dan pembangunannya biasanya mengambil masa 10-20 tahun. Kaedah dipacu data berdasarkan pembelajaran mesin (ML) boleh mempercepatkan reka bentuk bahan baharu untuk teknologi tenaga bersih. Walau bagaimanapun, aplikasi praktikalnya dalam penyelidikan bahan masih terhad kerana kekurangan pangkalan data eksperimen kesetiaan tinggi berskala besar. Baru-baru ini, pasukan penyelidik dari Makmal Kebangsaan Barat Laut Pasifik dan Makmal Kebangsaan Argonne di Amerika Syarikat telah mereka bentuk aliran kerja yang sangat automatik yang menggabungkan platform percubaan berkemampuan tinggi dengan algoritma pembelajaran aktif yang paling maju untuk menyaring secara berkesan bagi pelarut organik binari untuk optimum keterlarutan. Matlamat penyelidikan ini adalah untuk meningkatkan prestasi dan kestabilan sistem penyimpanan tenaga untuk menggalakkan tenaga boleh diperbaharui

2024-04-10 komen 0  523

Pengenalan Artikel：Menurut berita dari laman web ini pada 3 September, ramalan tepat hayat bateri litium adalah penting untuk operasi normal peralatan elektrik. Walau bagaimanapun, ramalan jangka hayat bateri yang tepat menghadapi cabaran disebabkan oleh ketidaklinearan proses penurunan kapasiti bateri dan ketidakpastian keadaan operasi. Akademi Sains China menyatakan bahawa pasukan penyelidik Chen Zhongwei dan penyelidik bersekutu Mao Zhiyu dari Bateri Kuasa dan Jabatan Penyelidikan Sistem Makmal Utama Kebangsaan Penukaran Pemangkin Tenaga Institut Fizik Kimia Dalian, bersama Profesor Feng Jiangtao dari Xi 'Universiti Jiaotong, telah membuat kemajuan dalam penyelidikan pengurusan kesihatan bateri. Hasil penyelidikan yang berkaitan telah diterbitkan dalam Jurnal Elektrokimia Pengangkutan Institut Jurutera Elektrik dan Elektronik (DOI: 10.1109/TTE.2024.3434553 dilampirkan pada tapak ini). 1. Menurut laporan, pasukan penyelidik membangunkan model pembelajaran mendalam baharu

2024-09-03 komen 0  430

Pengenalan Artikel：ACMCCS2023, persidangan akademik berwibawa antarabangsa dalam bidang komputer, dibuka pada 26 November di Copenhagen, Denmark. Kertas kerja "Hopper: Interpretative Fuzzing for Libraries" oleh pasukan Tencent Security Big Data Laboratory telah dimasukkan dalam persidangan Semalam, penyelidik makmal Xie Yuxuan telah dijemput untuk menghadiri persidangan itu untuk berkongsi tema. Penyelidikan ini mencadangkan kaedah ujian fuzz tafsiran dan menunjukkan cara menggunakan maklum balas dinamik untuk mempelajari kekangan di dalam dan di luar API untuk mencapai penjanaan kod automatik. Melalui kaedah ini, tanpa sebarang pengetahuan pakar luar, adalah mungkin untuk menjana kaedah panggilan kod yang sah dan boleh digunakan dan mengeksploitasi kod ini untuk mengeksploitasi kelemahan. Matlamat kaedah penyelidikan ini adalah untuk menyelesaikan keperluan manusia untuk ujian fuzz

2023-11-29 komen 0  1476

Pengenalan Artikel：[Berita CNMO] Pada 14 November, menurut Agensi Berita Xinhua, pasukan profesor Luo Yi, Jiang Jun, dan Shang Weiwei dari Universiti Sains dan Teknologi China baru-baru ini bekerjasama dengan penyelidik Zhang Zhe dari Makmal Penerokaan Angkasa Dalam dan lain-lain untuk menggunakan robot pintar "Machine Chemist", berjaya membangunkan pemangkin baharu menggunakan meteorit Marikh, menyediakan penyelesaian berkecekapan tinggi, tenaga rendah untuk menggunakan air di Marikh untuk menghasilkan oksigen, dan meneroka cara baharu untuk membangunkan bahan kimia menggunakan bahan tempatan dalam galaksi di luar Bumi. Hari ini, jurnal akademik terkenal di peringkat antarabangsa Nature Synthesis menerbitkan hasil penyelidikan ini. Menurut laporan, penyelidik dari Universiti Sains dan Teknologi China dan Makmal Eksplorasi Angkasa Dalam bekerjasama untuk menggunakan robot pintar mereka yang dibangunkan sendiri "Ahli Kimia Mesin" untuk menganalisis dan mengekstrak komponen daripada meteorit Marikh, dengan jayanya.

2023-11-14 komen 0  856

Pengenalan Artikel：Editor |. ScienceAI Baru-baru ini, kumpulan penyelidik Profesor Hong Liang dari Institut Sains Semula Jadi/Sekolah Fizik dan Astronomi/Institut Penyelidikan Lanjutan Zhangjiang/Sekolah Farmasi Universiti Shanghai Jiao Tong, dan Tan Pan, seorang penyelidik muda dari Shanghai Artificial Makmal Perisikan, mencapai kejayaan penting dalam ramalan sifat mutasi protein. Kerja ini menggunakan strategi latihan baharu, yang meningkatkan prestasi model besar pra-latihan protein tradisional dalam ramalan sifat mutasi menggunakan data eksperimen basah yang sangat sedikit. Hasil penyelidikan bertajuk "Meningkatkan kecekapan model bahasa protein dengan data makmal basah yang minimum melalui pembelajaran beberapa pukulan" dan diterbitkan dalam

2024-07-11 komen 0  913

Pengenalan Artikel：Lajur AIxiv ialah lajur di mana tapak ini menerbitkan kandungan akademik dan teknikal. Dalam beberapa tahun kebelakangan ini, lajur AIxiv laman web ini telah menerima lebih daripada 2,000 laporan, meliputi makmal terkemuka dari universiti dan syarikat utama di seluruh dunia, mempromosikan pertukaran dan penyebaran akademik secara berkesan. Jika anda mempunyai kerja yang sangat baik yang ingin anda kongsikan, sila berasa bebas untuk menyumbang atau hubungi kami untuk melaporkan. E-mel penyerahan: liyazhou@jiqizhixin.com; zhaoyunfeng@jiqizhixin.com Artikel ini telah disiapkan oleh Makmal Kepintaran Buatan Shanghai, Universiti Teknologi Dalian dan Universiti Sains dan Teknologi China. Pengarang yang sepadan: Shao Jing, lulus dari Makmal Multimedia MMLab Universiti Cina Hong Kong dengan Ph.D., dan kini ketua pasukan keselamatan model besar Makmal Kebangsaan Pujiang, mengetuai penyelidikan mengenai model besar

2024-06-14 komen 0  454

Pengenalan Artikel：Editor |. Dead Leaf Butterfly Model bahasa berskala besar telah meningkatkan keupayaan saintis untuk memahami biologi dan kimia, tetapi kaedah yang boleh dipercayai untuk penemuan dadah berasaskan struktur, kimia kuantum dan biologi struktur kekal sedikit. Set data interaksi biomolekul-ligan yang tepat diperlukan segera untuk model bahasa yang besar. Untuk menyelesaikan masalah ini, penyelidik dari Institut Biologi Pusat Penyelidikan Helmholtz München dan Universiti Teknikal Munich mencadangkan MISATO. Ini ialah set data yang menggabungkan sifat mekanik kuantum (QM) molekul kecil dengan simulasi dinamik molekul (MD) berkaitan kira-kira 20,000 kompleks protein-ligan eksperimen, dan pengesahan meluas data eksperimen. Bermula dari struktur eksperimen sedia ada, para penyelidik menggunakan mekanik kuantum separa empirikal untuk memperbaiki secara sistematik

2024-06-01 komen 0  462

Pengenalan Artikel：Tindak balas kimia adalah asas reka bentuk ubat dan penyelidikan kimia organik. Terdapat keperluan yang semakin meningkat dalam kalangan komuniti penyelidikan untuk rangka kerja pembelajaran mendalam berskala besar yang boleh menangkap peraturan asas tindak balas kimia dengan berkesan. Baru-baru ini, pasukan penyelidik dari Universiti Peking dan Wangshi Intelligence mencadangkan kaedah baharu untuk merapatkan jurang antara tugas pra-latihan dan penjanaan molekul berasaskan tindak balas. Diilhamkan oleh mekanisme kimia organik, penyelidik membangunkan rangka kerja pra-latihan baharu yang membolehkannya menggabungkan bias induktif ke dalam model. Rangka kerja yang dicadangkan ini mencapai hasil terkini apabila melaksanakan tugas hiliran yang mencabar. Dengan memanfaatkan pengetahuan kimia, rangka kerja itu mengatasi batasan model penjanaan molekul semasa yang bergantung pada sebilangan kecil templat tindak balas. Dalam eksperimen yang meluas, model itu menghasilkan struktur seperti ubat yang boleh disintesis berkualiti tinggi Secara keseluruhannya, model

2023-12-14 komen 0  627

Pengenalan Artikel：Lajur AIxiv ialah lajur di mana tapak ini menerbitkan kandungan akademik dan teknikal. Dalam beberapa tahun kebelakangan ini, lajur AIxiv laman web ini telah menerima lebih daripada 2,000 laporan, meliputi makmal terkemuka dari universiti dan syarikat utama di seluruh dunia, mempromosikan pertukaran dan penyebaran akademik secara berkesan. Jika anda mempunyai kerja yang sangat baik yang ingin anda kongsikan, sila berasa bebas untuk menyumbang atau hubungi kami untuk melaporkan. E-mel penyerahan: liyazhou@jiqizhixin.com; zhaoyunfeng@jiqizhixin.com Pengarang utama artikel ini ialah Huang Yichong. Huang Yichong ialah pelajar kedoktoran di Pusat Penyelidikan Pengkomputeran Sosial dan Pengambilan Maklumat Institut Teknologi Harbin dan pelatih di Makmal Pengcheng, belajar di bawah Profesor Qin Bing dan Profesor Feng Xiaocheng. Arah penyelidikan termasuk pembelajaran ensemble model bahasa besar, model besar pelbagai bahasa, teori korelasi

2024-07-19 komen 0  1222

Pengenalan Artikel：Lajur AIxiv ialah lajur di mana tapak ini menerbitkan kandungan akademik dan teknikal. Dalam beberapa tahun kebelakangan ini, lajur AIxiv laman web ini telah menerima lebih daripada 2,000 laporan, meliputi makmal terkemuka dari universiti dan syarikat utama di seluruh dunia, mempromosikan pertukaran dan penyebaran akademik secara berkesan. Jika anda mempunyai kerja yang sangat baik yang ingin anda kongsikan, sila berasa bebas untuk menyumbang atau hubungi kami untuk melaporkan. E-mel penyerahan: liyazhou@jiqizhixin.com; zhaoyunfeng@jiqizhixin.com Pasukan penyelidik Makmal Kepintaran Buatan Generatif (GAIRLab) Universiti Jiao Tong Shanghai, arahan penyelidikan utamanya ialah: latihan model besar, penjajaran dan penilaian. Laman utama pasukan: https://plms.ai/Teknologi AI berubah setiap hari Baru-baru ini, Anthr

2024-06-24 komen 0  1113

Pengenalan Artikel：Apple baru-baru ini mengumumkan bahawa ia akan mengembangkan skala makmal penyelidikan gunaannya di China untuk menyokong pembuatan dan penyelidikan dan pembangunan produk dengan lebih baik. Dilaporkan bahawa Apple merancang untuk mengukuhkan pusat penyelidikan Shanghai dan menyediakan sokongan yang lebih komprehensif untuk memastikan semua barisan produk mencapai tahap yang lebih tinggi dari segi kebolehpercayaan, kualiti dan analisis bahan. Apple merancang untuk menubuhkan makmal penyelidikan gunaan baharu di Shenzhen Langkah ini dilihat sebagai susun atur strategik untuk memperkenalkan produk VisionPro ke pasaran China. Syarikat itu berkata ia akan mengukuhkan sokongan pekerja di rantau ini dan memperdalam kerjasama dengan pembekal tempatan. Makmal baharu ini akan memberi tumpuan kepada meningkatkan keupayaan ujian dan penyelidikan produk seperti iPhone, iPad dan Apple Vision Pro. Menurut siasatan editor, Apple telah pun

2024-03-14 komen 0  471

Pengenalan Artikel：Baru-baru ini, satu pasukan profesor Luo Yi, Jiang Jun dan Shang Weiwei dari Universiti Sains dan Teknologi China bekerjasama dengan penyelidik Zhang Zhe dari Makmal Penerokaan Angkasa Lepas untuk berjaya membangunkan jenis pemangkin baharu untuk digunakan di Marikh menggunakan robot pintar "ahli kimia mesin". Gunakan air untuk menghasilkan oksigen. Penyelidikan ini menyediakan penyelesaian yang cekap, bertenaga rendah dan membuka laluan baharu untuk pembangunan bahan kimia daripada bahan tempatan dalam galaksi luar angkasa. Hasil penyelidikan telah diterbitkan dalam jurnal akademik terkenal antarabangsa "Nature·Synthesis" pada 14 November. Editor: Li Hengyi AI synthesis anchor Sokongan teknikal: iFlytek

2023-11-14 komen 0  688

Pengenalan Artikel：Lajur AIxiv ialah lajur di mana tapak ini menerbitkan kandungan akademik dan teknikal. Dalam beberapa tahun kebelakangan ini, lajur AIxiv laman web ini telah menerima lebih daripada 2,000 laporan, meliputi makmal terkemuka dari universiti dan syarikat utama di seluruh dunia, mempromosikan pertukaran dan penyebaran akademik secara berkesan. Jika anda mempunyai kerja yang sangat baik yang ingin anda kongsikan, sila berasa bebas untuk menyumbang atau hubungi kami untuk melaporkan. E-mel penyerahan: liyazhou@jiqizhixin.com; zhaoyunfeng@jiqizhixin.com Pasukan penyelidik Makmal Kepintaran Buatan Generatif Universiti Jiao Tong Shanghai (GAIRLab) adalah: latihan model besar, penjajaran dan penilaian. Laman utama pasukan: https://plms.ai/ Dalam tempoh 20 tahun akan datang, AI dijangka mengatasi manusia

2024-06-20 komen 0  653

Pengenalan Artikel：Artikel ini ialah kajian tentang meningkatkan kebolehskalaan pengoptimuman pesanan sifar Kod ini adalah sumber terbuka dan kertas itu telah diterima oleh ICLR2024. Hari ini saya ingin memperkenalkan kertas kerja bertajuk "DeepZero: ScalingupZeroth-OrderOptimization for DeepModelTraining", kerjasama antara Michigan State University dan Lawrence Livermore National Laboratory. Kertas ini baru-baru ini diterima oleh persidangan ICLR2024, dan pasukan penyelidik telah menjadikan kod sumber terbuka. Matlamat utama kertas ini adalah untuk melanjutkan teknik pengoptimuman tertib sifar dalam latihan model pembelajaran mendalam. Pengoptimuman pesanan sifar ialah kaedah pengoptimuman yang tidak bergantung pada maklumat kecerunan Ia boleh mengendalikan ruang parameter berdimensi tinggi dan model kompleks dengan lebih baik.

2024-02-15 komen 0  720

Pengenalan Artikel：Lajur AIxiv ialah lajur di mana tapak ini menerbitkan kandungan akademik dan teknikal. Dalam beberapa tahun kebelakangan ini, lajur AIxiv laman web ini telah menerima lebih daripada 2,000 laporan, meliputi makmal terkemuka dari universiti dan syarikat utama di seluruh dunia, mempromosikan pertukaran dan penyebaran akademik secara berkesan. Jika anda mempunyai kerja yang sangat baik yang ingin anda kongsikan, sila berasa bebas untuk menyumbang atau hubungi kami untuk melaporkan. E-mel penyerahan: liyazhou@jiqizhixin.com; zhaoyunfeng@jiqizhixin.com Artikel ini telah disiapkan oleh HMILab. Bergantung pada dua platform utama Pusat Penyelidikan Kejuruteraan Kebangsaan untuk Video dan Teknologi Visual Universiti Peking dan Makmal Utama Kebangsaan Pemprosesan Maklumat Multimedia, HMILab telah lama terlibat dalam penyelidikan ke arah pembelajaran mesin, pembelajaran pelbagai mod dan kecerdasan yang terkandung. Karya ini No.

2024-07-16 komen 0  488

Pengenalan Artikel：Projek TinyLLaVA+ telah dicipta bersama oleh pasukan Profesor Wu Ji dari Makmal Pemprosesan Isyarat Multimedia dan Maklumat Pintar (MSIIP) Jabatan Elektronik, Universiti Tsinghua dan pasukan Profesor Huang Lei dari Sekolah Kepintaran Buatan, Universiti Beihang. Makmal MSIIP Universiti Tsinghua telah lama komited dalam bidang penyelidikan seperti penjagaan perubatan pintar, pemprosesan bahasa semula jadi dan penemuan pengetahuan, dan pelbagai mod. Pasukan Beijing Airlines telah lama komited dalam bidang penyelidikan seperti pembelajaran mendalam, pelbagai mod dan penglihatan komputer. Matlamat projek TinyLLaVA+ adalah untuk membangunkan pembantu pintar merentas bahasa kecil dengan keupayaan pelbagai mod seperti pemahaman bahasa, soal jawab dan dialog. Pasukan projek akan memberikan permainan penuh untuk kelebihan masing-masing, bersama-sama mengatasi masalah teknikal, dan merealisasikan reka bentuk dan pembangunan pembantu pintar. Ini akan memberi peluang untuk penjagaan perubatan pintar, pemprosesan bahasa semula jadi dan pengetahuan

2024-06-08 komen 0  498

Pengenalan Artikel：Model besar boleh membentuk pemahaman anda sendiri tentang dunia sebenar! Kajian MIT mendapati bahawa apabila model menjadi lebih berkebolehan, pemahamannya tentang realiti mungkin melampaui tiruan mudah. Sebagai contoh, jika model besar tidak pernah menghidu bau, adakah itu bermakna ia tidak dapat memahami bau? Penyelidikan telah mendapati bahawa ia boleh mensimulasikan beberapa konsep secara spontan untuk memudahkan pemahaman. Penyelidikan ini bermakna bahawa model besar dijangka mempunyai pemahaman yang lebih mendalam tentang bahasa dan dunia pada masa hadapan, dan kertas itu telah diterima oleh ICML24, persidangan teratas. Penulis kertas ini ialah pelajar kedoktoran Cina Charles Jin dan penyelianya Profesor Martin Rinard dari Makmal Komputer dan Kepintaran Buatan MIT (CSAIL). Dalam kajian itu, penulis meminta model besar untuk hanya mempelajari teks kod, dan mendapati model itu secara beransur-ansur memahami maksud di sebaliknya. Rin

2024-08-17 komen 0  707

Pengenalan Artikel：Editor |. Ramalan struktur kompleks protein kulit lobak memainkan peranan penting dalam pembangunan ubat, reka bentuk antibodi dan aplikasi lain, bagaimanapun, disebabkan ketepatan ramalan yang terhad, keputusan ramalan selalunya tidak konsisten dengan keputusan eksperimen. Pasukan penyelidik dari Universiti Peking, Makmal Changping dan Universiti Harvard mencadangkan ColabDock, rangka kerja umum yang menggunakan model ramalan struktur pembelajaran mendalam untuk menyepadukan pelbagai bentuk dan sumber kekangan percubaan tanpa latihan semula berskala besar atau penalaan halus. ColabDock mengatasi HADDOCK dan ClusPro, yang menggunakan AlphaFold2 sebagai model ramalan struktur, bukan sahaja dalam ramalan struktur kompleks dengan sisa simulasi dan kekangan permukaan, tetapi juga dalam gangguan anjakan kimia NMR dan pelabelan kovalen.

2024-08-08 komen 0  464

Pengenalan Artikel：Adakah model bahasa besar yang hanya boleh "membaca buku" mempunyai persepsi visual tentang dunia sebenar? Dengan memodelkan hubungan antara rentetan, apakah sebenarnya yang boleh dipelajari oleh model bahasa tentang dunia visual? Baru-baru ini, penyelidik di Makmal Sains Komputer dan Kepintaran Buatan (MITCSAIL) MIT menilai model bahasa, memfokuskan pada keupayaan visual mereka. Mereka menguji kebolehan model dengan memintanya menjana dan mengenali konsep visual yang semakin kompleks, daripada bentuk dan objek mudah kepada adegan yang kompleks. Para penyelidik juga menunjukkan cara melatih sistem pembelajaran perwakilan visual awal menggunakan model teks sahaja. Dengan penyelidikan ini, mereka meletakkan asas untuk pembangunan lanjut dan penambahbaikan sistem pembelajaran perwakilan visual. Pautan kertas: https://arxiv.

2024-02-01 komen 0  1088

Pengenalan Artikel：Pada masa ini, walaupun kemajuan penyelidikan yang hebat telah dibuat dalam anggaran pose dan bentuk badan manusia (EHPS, Pose Manusia Ekspresif dan Pengiraan Bentuk), kaedah yang paling maju masih dihadkan oleh batasan set data latihan Baru-baru ini, Universiti Teknologi Nanyang S-. Makmal, Penyelidik SenseTime dari Sains dan Teknologi, Makmal Kepintaran Buatan Shanghai, Universiti Tokyo dan Institut Penyelidikan IDEA mencadangkan buat kali pertama model tangkapan gerakan berskala besar SMPLer-X untuk tugasan postur badan dan anggaran saiz badan manusia. Kajian itu menggunakan sehingga 4.5 juta contoh daripada sumber data yang berbeza untuk melatih model, mencapai prestasi terbaik pada 7 senarai utama SMPLer-X bukan sahaja menangkap pergerakan badan, tetapi juga output

2023-10-30 komen 0  666