人工智能的思维

公众号/  ScienceAI（ID：） 编译 | 紫罗最近，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。例如，SomaLogic 公司已经开发出测量 10,000 多种蛋白质的方法，而赛默飞世尔的 Olink 检测方

公众号：  ScienceAI（ID：Philosophyai） David Salvagnini。（来源：NASA）编辑 | X 5 月 13 日，美国国家航空航天局（NASA）局长比尔·尼尔森（Bill Nelson）任命大卫·萨尔瓦尼尼（David Salvagnin

公众号/  ScienceAI（ID：Philosophyai） 编辑 | 绿萝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。人工智能 工具，尤其是神经网络，对物理学家们很有帮助。多年来，这项技术帮助研究人员在加速器实验

公众号/  ScienceAI（ID：Philosophyai） 编辑 | 萝卜皮 可靠的人工智能模型有潜力加速发现具有最佳性能的材料，适用于各种应用，包括超导、催化和热电。该领域的进步常常受到可用 数据 的稀缺性和质量以及获取新数据所需的大量努力的阻碍。对

公众号/  ScienceAI（ID：Philosophyai） 编辑 | 萝卜皮RNA 分子上的甲基化修饰，关系到某些蛋白的表达，进而会影响到细胞的状态，对于疾病治疗药物开发具有潜在应用价值。 m6A 甲基化等 RNA 修饰会在转录组中形成了额外的复杂层。纳米孔直接 RN

公众号/  ScienceAI（ID：Philosophyai） 编辑 | ScienceAI让 OpenAI 创建的图像生成系统 DALL·E 2 绘制一幅「金鱼在海滩上啜饮可口可乐」的图画，它会吐出超现实的图像。该程序在训练期间会遇到海滩、金鱼和可口可乐的图像，但它不太可能看到

公众号/  ScienceAI（ID：Philosophyai） 编译 | 白菜叶移动无线技术从 3G/4G 到 5G 的演进以及工业 4.0 的引入，导致无线系统设计的复杂性不断增加。由于需要优化共享资源以扩大用户组的需求，无线网络也变得更加难以管理。这些挑战迫使工程师不能仅仅使

公众号/  ScienceAI（ID：Philosophyai） 编辑 | 萝卜皮年龄是流行疾病和死亡的主要风险因素。然而，人们对与年龄相关的生理变化和寿命之间的关系知之甚少。新加坡 Gero PTE 公司的研究人员结合分析和机器学习工具来描述大量纵向测量中的老化过程。假设衰老是由

编译 | 萝卜皮人工智能等最新技术浪潮已经触及几乎所有行业和企业的海岸。基因组学领域也不例外。在 2020-2030 年的评估期内，最新技术在基因组学领域的日益普及将被证明是基因组学市场人工智能的主要增长贡献者。基因组学可以定义为对基因组的研究。它结合了 DNA 测序方法、重组 DNA 和生物信息学来组装、分析和测序基

编译 | 白菜叶 十年来，许多最令人印象深刻的人工智能系统都是使用大量标记数据进行教学的。例如，可以将图像标记为「虎斑猫」或「虎猫」，以「训练」人工神经网络以正确区分虎斑和虎。该战略既取得了惊人的成功，又严重不足。 这种「监督」训练需要人工费力地标记数据，而神经网络通常会走捷径，学习将标签与最