Command Palette
Search for a command to run...
News
Neueste KI-Nachrichten und Updates aus aller Welt
Dr. Yuan Fajie von der Westlake University präsentierte auf dem „AI Protein Design Summit“ die neuesten Forschungsfortschritte und Forschungsergebnisse des Teams zum Proteinsprachenmodell.

Ein Team der Universität Tokio in Japan hat das Deep-Learning-Framework STAIG entwickelt, das Genexpression, räumliche Daten und histologische Bilder ohne Ausrichtung integrieren kann.

Das auf GPT-3.5 und GPT-4 basierende Multi-Agent Dialogue (MAC)-Framework verbessert die diagnostischen Fähigkeiten von LLMs erheblich und wird voraussichtlich zu einem wichtigen Hilfsmittel für Ärzte werden

EchoONE, ein einheitliches Segmentierungsmodell für die Mehrabschnitts-Echokardiographie, kann die Herzstruktur der Mehrabschnitts-Echokardiographie präzise segmentieren und so die Komplexität des Designmodells effektiv reduzieren.

Zusammenfassung des Luftbilddatensatzes

Das Team von Professor Zhang Yang von der National University of Singapore schlug ein hochpräzises Framework zur Vorhersage der RNA-Struktur DRfold2 auf Basis von Deep Learning vor, und die Genauigkeit der unbeaufsichtigten Kontaktvorhersage ist höher als bei den bestehenden Methoden

Das multimodale medizinische Bildsegmentierungsmodell VISTA3D war Vorreiter bei der Extraktion von 3D-Supervoxel-Merkmalen und verbesserte die Zero-Sample-Leistung um 50%

Eine neue Methode zur Vorhersage von Proteinstrukturen auf Basis von AlphaFold löst effektiv das Problem der Vorhersage ungeordneter Proteinstrukturen

Der Deep-Learning-Algorithmus von AcneDGNet ist nicht nur genauer als der von jungen Dermatologen, sondern kann sich hinsichtlich der Genauigkeit auch mit der von erfahrenen Dermatologen messen.

HyperAI lud Associate Professor Huang Hong, Dr. Zhou Dongzhan, Dr. Zhou Bingxin und andere Lehrer ein, um die neuesten Entwicklungen der KI zu diskutieren

Das Team von Professor Sheng Bin von der Shanghai Jiao Tong University hat in Zusammenarbeit mit mehreren Universitäten mehrere gängige große Sprachmodelle ausgewertet und so neue Forschungsrichtungen für die Anwendung großer Modelle im medizinischen Bereich eröffnet.

Huang Renxun hat auf der GTC 2025-Konferenz eine Reihe neuer Errungenschaften als Open Source veröffentlicht, darunter den Physical AI-Datensatz und das GR00T N1-Basismodell.

Ein Forschungsteam der Universität Cambridge hat das virtuelle Gewebemodell Celcomen vorgeschlagen, um die Geheimnisse der intrazellulären und interzellulären Genregulation in räumlichen Transkriptomik- und Einzelzelldaten zu entschlüsseln.

Das Laoshan Laboratory und andere haben durch die tiefe Integration physikalischer Ozeanographie und künstlicher Intelligenz ein groß angelegtes intelligentes Prognosemodell für die Meeresumwelt namens „Wenhai“ entwickelt, das eine bessere Leistung aufweist.

Ein gemeinsames Team der Tsinghua-Universität und anderer Universitäten hat das CoPRA-Modell vorgeschlagen, das einen neuen Rekord bei der Vorhersage der Protein-RNA-Bindungsaffinität aufstellt.

Das Team von David Baker kombinierte fein abgestimmte RF-Diffusion mit Hefe-Display-Screening, um die Machbarkeit des De-novo-Antikörperdomänendesigns zu demonstrieren

Wissenschaftler äußern Bedenken über Musks Vertrauen in KI-Tools zur Bestimmung des Ausmaßes von Entlassungen und Budgetkürzungen in Regierungsbehörden

Die Tsinghua-Universität und das Team der Chinesischen Akademie der Wissenschaften haben das UniGEM-Modell vorgeschlagen, mit dem erstmals eine gemeinsame Verbesserung zweier Aufgaben auf der Grundlage eines Diffusionsmodells erreicht wurde.

Die dritte Sitzung des 14. Nationalen Volkskongresses wurde abgehalten, um die Errungenschaften der wissenschaftlichen und technologischen Entwicklung im Jahr 2024 zusammenzufassen und Ausblicke für die zukünftige Arbeit zu geben.

Dr. Yuan Fajie von der Westlake University präsentierte auf dem „AI Protein Design Summit“ die neuesten Forschungsfortschritte und Forschungsergebnisse des Teams zum Proteinsprachenmodell.

Ein Team der Universität Tokio in Japan hat das Deep-Learning-Framework STAIG entwickelt, das Genexpression, räumliche Daten und histologische Bilder ohne Ausrichtung integrieren kann.

Das auf GPT-3.5 und GPT-4 basierende Multi-Agent Dialogue (MAC)-Framework verbessert die diagnostischen Fähigkeiten von LLMs erheblich und wird voraussichtlich zu einem wichtigen Hilfsmittel für Ärzte werden

EchoONE, ein einheitliches Segmentierungsmodell für die Mehrabschnitts-Echokardiographie, kann die Herzstruktur der Mehrabschnitts-Echokardiographie präzise segmentieren und so die Komplexität des Designmodells effektiv reduzieren.

Zusammenfassung des Luftbilddatensatzes

Das Team von Professor Zhang Yang von der National University of Singapore schlug ein hochpräzises Framework zur Vorhersage der RNA-Struktur DRfold2 auf Basis von Deep Learning vor, und die Genauigkeit der unbeaufsichtigten Kontaktvorhersage ist höher als bei den bestehenden Methoden

Das multimodale medizinische Bildsegmentierungsmodell VISTA3D war Vorreiter bei der Extraktion von 3D-Supervoxel-Merkmalen und verbesserte die Zero-Sample-Leistung um 50%

Eine neue Methode zur Vorhersage von Proteinstrukturen auf Basis von AlphaFold löst effektiv das Problem der Vorhersage ungeordneter Proteinstrukturen

Der Deep-Learning-Algorithmus von AcneDGNet ist nicht nur genauer als der von jungen Dermatologen, sondern kann sich hinsichtlich der Genauigkeit auch mit der von erfahrenen Dermatologen messen.

HyperAI lud Associate Professor Huang Hong, Dr. Zhou Dongzhan, Dr. Zhou Bingxin und andere Lehrer ein, um die neuesten Entwicklungen der KI zu diskutieren

Das Team von Professor Sheng Bin von der Shanghai Jiao Tong University hat in Zusammenarbeit mit mehreren Universitäten mehrere gängige große Sprachmodelle ausgewertet und so neue Forschungsrichtungen für die Anwendung großer Modelle im medizinischen Bereich eröffnet.

Huang Renxun hat auf der GTC 2025-Konferenz eine Reihe neuer Errungenschaften als Open Source veröffentlicht, darunter den Physical AI-Datensatz und das GR00T N1-Basismodell.

Ein Forschungsteam der Universität Cambridge hat das virtuelle Gewebemodell Celcomen vorgeschlagen, um die Geheimnisse der intrazellulären und interzellulären Genregulation in räumlichen Transkriptomik- und Einzelzelldaten zu entschlüsseln.

Das Laoshan Laboratory und andere haben durch die tiefe Integration physikalischer Ozeanographie und künstlicher Intelligenz ein groß angelegtes intelligentes Prognosemodell für die Meeresumwelt namens „Wenhai“ entwickelt, das eine bessere Leistung aufweist.

Ein gemeinsames Team der Tsinghua-Universität und anderer Universitäten hat das CoPRA-Modell vorgeschlagen, das einen neuen Rekord bei der Vorhersage der Protein-RNA-Bindungsaffinität aufstellt.

Das Team von David Baker kombinierte fein abgestimmte RF-Diffusion mit Hefe-Display-Screening, um die Machbarkeit des De-novo-Antikörperdomänendesigns zu demonstrieren

Wissenschaftler äußern Bedenken über Musks Vertrauen in KI-Tools zur Bestimmung des Ausmaßes von Entlassungen und Budgetkürzungen in Regierungsbehörden

Die Tsinghua-Universität und das Team der Chinesischen Akademie der Wissenschaften haben das UniGEM-Modell vorgeschlagen, mit dem erstmals eine gemeinsame Verbesserung zweier Aufgaben auf der Grundlage eines Diffusionsmodells erreicht wurde.

Die dritte Sitzung des 14. Nationalen Volkskongresses wurde abgehalten, um die Errungenschaften der wissenschaftlichen und technologischen Entwicklung im Jahr 2024 zusammenzufassen und Ausblicke für die zukünftige Arbeit zu geben.
