Das Stanford-Team verwendet ein Convolutional Neural Network-System mit künstlicher Intelligenz, um die globale Erwärmung vorherzusagen, und die Vorhersageergebnisse sind genauer
Rückblick auf wichtige Ereignisse im AI4S-Bereich im Jahr 2024, einschließlich der Richtlinien mehrerer Länder, Durchbrüche in der wissenschaftlichen Forschung, Pioniere, Unternehmensstruktur usw.
Das Biotechnologieunternehmen E11 Bio hat die PRISM-Technologie auf den Markt gebracht, die die Konnektomikforschung des gesamten Gehirns auf komplexere Gehirne von Säugetieren wie Mäusen ausweitet und so Möglichkeiten für die zukünftige Erforschung des menschlichen Gehirns bietet.
Forschungsteams der UC Berkeley und anderer Institutionen schlugen eine multimodale Methode zur Proteingenerierung namens PLAID vor, um die Struktur und Zusammensetzung von Proteinen weiter zu erforschen. Die entsprechenden Forschungsergebnisse wurden auch vom „KI-Pate“ Yang Likun weitergeleitet.
Die Huazhong University of Science and Technology schlug ein medizinisches Bildsegmentierungsmodell M2CF-Net vor, um das Sjögren-Syndrom genauer zu diagnostizieren
Chemify hat die weltweit erste „chemische Turingmaschine“ und den weltweit ersten chemischen Compiler entwickelt und setzt sich für die Förderung der Digitalisierung der Chemie ein.
Ein Forschungsteam der University of California, Los Angeles, hat eine selbstüberwachte Deep-Learning-Methode vorgeschlagen, die die Qualität der dreidimensionalen Rekonstruktion biologischer Makromoleküle deutlich verbessern kann.
In der fünften Folge der Live-Reihe „Meet AI4S“ war Dr. Wang Zeyuan vom Knowledge Engine Laboratory der Zhejiang-Universität eingeladen, seine Arbeiten und damit verbundene Forschungsergebnisse vorzustellen.
Die Fakultät für Geowissenschaften der Zhejiang-Universität hat ein geographisches, neuronales Netzwerk-gewichtetes Regressionsmodell mit verbesserter Interpretierbarkeit (EI-GNNWR) vorgeschlagen, um die Analyse geographischer Daten des Qinghai-Tibet-Plateaus zu erleichtern.
Enveda lässt sich von der Natur inspirieren und kombiniert KI-Technologie, um Medikamente aus Naturprodukten (Pflanzen, Mikroorganismen) zu entwickeln.
Google hat PDFM vorgeschlagen, das maschinelles Lernen nutzt, um weltweit verfügbare Geodaten zu integrieren und die Fähigkeiten von Geomodellen zu erweitern.
Die Shanghai Jiao Tong University, das Shanghai AI Lab und andere haben gemeinsam ein neues Proteinmutanten-Designmodell PRIME entwickelt, das bessere Vorhersageeffekte bei Proteinmutationen und anderen Aspekten bietet.
Die Tsinghua-Universität hat in Zusammenarbeit mit mehreren Universitäten in China und im Ausland ein aktives Lernframework vorgeschlagen, mit dem sich Oxide mit hoher Entropie effizienter identifizieren lassen.