首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    正本清源还是个人偏见:聊聊朱存松教授的人工智能雄文

    1 近日朋友圈里广泛传播了一篇文章“浅谈人工智能:现状,人物,架构与统一|正本清源”。这篇文章于2017年11月2日刊登于视觉求索公众号。 这篇文章引起了广泛的关注。有很多朋友在讨论。我也认真的读了很多遍。我需要声明,虽然作为一个博士,我受过比较严格的科研训练。但是人工智能这一领域,我谈不上专家。 朱教授的雄文里面介绍了很多人工智能的知识,有的是我知道的,有的是我不知道的。有些事我想对熟悉一些,还有一些事我想对陌生一点。另外有一些当然我就一无所知了。 但是因为朱教授的文章里面涉及到了世界观和方法论的问题

    05

    一个模型搞定元素周期表常见元素:中国团队打造分子模拟预训练模型,最高节省90%数据

    白交 发自 凹非寺 量子位 | 公众号 QbitAI 分子模拟领域的预训练模型,来了! DPA-1,中国团队深势科技以及北京科学智能研究院等机构打造,能覆盖元素周期表大多数常见元素。 在各类数据集上的迁移学习结果表明,该模型能大幅降低新场景对数据的依赖,甚至在特定条件下能省去90%的数据。 用大模型的思路打开分子模拟 机器学习辅助下的原子间势能面(PES)建模,与相应的机器学习势函数正在彻底改变分子模拟领域。PES是用于描述化学体系的一个基本量,通过它能得到大量原子间相互作用的信息。 过去传统的分子模拟,

    04

    基于化学元素知识图的分子对比学习

    本文介绍一篇来自浙江大学计算机科学系、杭州创新中心、杭州西湖生命科学与生物医学实验室等联合发表的文章。该文章构建了一个化学元素知识图(KG)来总结元素之间的微观联系,并提出了一个用于分子表征学习的知识增强对比学习(KCL)框架。KCL由三个模块组成。第一个模块是知识引导图增强,对原有的基于化学元素KG的分子图进行扩充。第二个模块是知识感知图表示,对原始分子图使用通用图编码器来提取分子的表示,并使用知识感知消息传递神经网络(Knowledge-aware Message Passing Neural Network, KMPNN)对增强分子图中的复杂信息进行编码。最后一个模块是一个对比目标,以最大化分子图的这两种视图之间的一致性。

    05
    领券