お役立ち情報まとめ！ 2023 年の AI for Science の最も注目すべき科学研究成果の概要
年の順序が変わり、章は日々更新されます。過去2023年では、科学のための AI それはあまりにも多くの驚きをもたらし、より想像力豊かな種を植えました。
2020年からは、 アルファフォールド AI for Science に代表される科学研究プロジェクトは、AI for Science を AI 応用の主要段階に押し上げました。過去 2 年間で、生物医学から天文学、気象学、材料化学に至るまで、基礎的な分野が AI の新たな戦場となりました。この過程で、AIの能力も、半世紀にわたって人々を悩ませてきた足かせをも断ち切ることができる鋭い刃へと変化し、科学研究のプロセスを大幅に加速させた。
科学研究分野における AI の旅は、2023 年に入ってよりスムーズになるでしょう。ますます多くの研究チームが AI の助けを求め始めており、その結果、より価値の高い成果が生み出されています。
AI for Science に最初に注目したコミュニティの 1 つとして、最先端の論文を読み解き、最新の進歩を記録し続ける「HyperAI Super Neural」一方で、それは最新の結果と研究手法を普遍的な方法で共有することであり、他方では、より多くのチームが科学研究のための AI の助けを見て、科学研究のための AI の開発に貢献できることも期待されています。中国の科学。
年末と年の初めは、過去を観察し、未来について学ぶのに良い時期です。さまざまな科学研究分野の読者が検索しやすいように、2023年に「HyperAI Super Neural」で解釈された最先端の論文を分類してまとめました。
WeChat公式アカウントをフォローしてバックグラウンドで返信してください 「2023サイエンスAI」すべての論文はパッケージでダウンロードできます。また、一部の論文で使用したデータセットは「HyperAI Super Neural」の公式サイトからダウンロードできます。
ダウンロードアドレス:
AI+生物医学
機械学習モデルは長時間作用型注射剤の薬物放出速度を正確に予測し、長時間作用型注射剤の開発を加速します。
ポリマー長時間作用型注射剤の設計を加速する機械学習モデル
*ソース：ネイチャーコミュニケーションズ
*著者:トロント大学研究員
*解釈:トロント大学は、11 のアルゴリズムを水平比較した後、新しい長時間作用型注射薬の開発を加速する機械学習モデルを立ち上げました (クリックすると原文が読めます)
*紙:
https://www.nature.com/articles/s41467-022-35343-w
機械学習アルゴリズムは、マラリアに対する植物の抵抗性を 0.67 の精度で効果的に予測します
機械学習により、抗マラリア薬の潜在的な供給源としての植物の予測が強化される
*ソース：植物科学のフロンティア
*著者: 王立植物園とセント・アンドリュース大学の研究者
*解釈:王立植物園は機械学習を使用して植物のマラリア耐性を予測し、精度を 0.46 から 0.67 に高めました (クリックすると原文が読めます)
*紙:
https://www.ncbi.nlm.nih.gov/pmc/articles/PMC10248027
生細胞の明視野動的画像と機械学習に基づいて、多能性幹細胞の分化プロセスをリアルタイムで制御および最適化する分化システム
PSC 分化システムのばらつきを低減するための生細胞画像ベースの機械学習戦略
*ソース：セルディスカバリー
*著者：北京大学趙陽研究グループ、張宇研究グループ、北京交通大学劉宜燕研究グループ
*解釈:北京大学、機能細胞を効率的かつ安定的に調製する機械学習に基づく多能性幹細胞分化システムを開発（クリックすると原文が読めます）
*紙:
https://www.nature.com/articles/s41421-023-00543-1
機械学習モデルを適用してバイオインクの印刷適性を予測し、予測率を向上させる
機械学習を使用した医薬品インクジェット印刷の結果の予測
*ソース：国際薬学ジャーナル: X
*著者: サンティアゴ・デ・コンポステーラ大学、ユニバーシティ・カレッジ・ロンドンの研究者
*解釈:医薬品 3D 印刷の新たな進歩: サンディエゴ大学は機械学習を使用して、97.22% という高い精度でインクジェット印刷バイオインクをスクリーニングします (クリックすると原文が読めます)
*紙:
https://www.sciencedirect.com/science/article/pii/S2590156723000257
ディープラーニングを使用して約 7,500 の分子をスクリーニングし、アシネトバクター バウマニを阻害する新しい抗生物質を特定します
ディープラーニングに基づくアシネトバクター・バウマニを標的とした抗生物質の発見
*ソース：ネイチャーケミカルバイオロジー
*著者:マクマスター大学とMITの研究者
*解釈:AI はスーパーバグと戦う: マクマスター大学はディープラーニングを使用して新しい抗生物質アバウシンを発見 (クリックして元の記事を読む)
*紙:
https://www.nature.com/articles/s41589-023-01349-8#access-options
機械学習を使用して 3 つを発見する セノリティクス、ヒト細胞株におけるそのアンチエイジング効果を検証します
機械学習を使用した Senolytics の発見
*ソース：ネイチャーコミュニケーションズ
*著者: メイヨークリニックのジェームス・L・カークランド博士、他。
*解釈:細胞の老化を拒否し、加齢に伴う病気から遠ざけるために、エディンバラ大学は細胞に対する3つの「AIアンチエイジング処方箋」を発行した（クリックすると原文が読めます）
*紙:
https://www.nature.com/articles/s41467-023-39120-1
機械学習を使用してドーパミン放出の量と場所を定量化する
機械学習によるドーパミンシグナル伝達の神経署名の特定
*ソース：ACSケミカルニューロサイエンス
*著者：米国カリフォルニア大学バークレー校の研究チーム
*解釈:幸福度の「定量化」: カリフォルニア大学バークレー校は AI を使用してドーパミン放出と脳領域を追跡 (クリックして元の記事を読む)
*紙:
https://pubs.acs.org/doi/full/10.1021/acschemneuro.3c00001
グラフニューラルネットワークを使用して、安全で効果的なアンチエイジング成分を数十万の化合物からスクリーニングしました
ディープニューラルネットワークによる小分子老化細胞破壊の発見
*ソース：ネイチャーエイジング
*著者: MITの研究者
*解釈:人体の老化時計を遅らせるために、MIT は Chemprop モデルを使用して、薬効があり安全な細胞老化防止化合物を発見しています (クリックすると原文が読めます)
*紙:
https://www.nature.com/articles/s43587-023-00415-z
ディープマインド 教師なし学習を使用して AlphaMissense を開発し、7,100 万の遺伝子変異を予測する
AlphaMissense による正確なプロテオーム全体のミスセンスバリアント効果予測
*ソース：科学
*著者:ディープマインド
*解釈:DeepMind は教師なし学習を使用して AlphaMissense を開発し、7,100 万の遺伝子変異を予測します (クリックすると原文が読めます)
*紙:
https://www.science.org/doi/10.1126/science.adg7492
トランスフォーマーベースの回帰ネットワークと CGMD を組み合わせて、数百億のポリペプチドの自己集合特性を予測します
ディープラーニングにより、10 兆を超える配列を持つ自己集合ペプチドの発見が可能に
*ソース：先端科学
*著者：西湖大学の李文斌研究グループ
*解釈:ウェストレイク大学は、Transformer を使用して数百億のペプチドの自己集合特性を分析し、自己集合規則を解読しました (クリックすると原文が読めます)
*紙:
https://onlinelibrary.wiley.com/doi/full/10.1002/advs.202301544
Macformer は Transformer に基づいて開発され、非環式薬剤フィゾチニブの大環状化に成功し、薬剤開発の新しい方法を提供しました。
大環状薬剤候補の発見を促進する深層学習による直鎖状分子の大環状化
*ソース：ネイチャーコミュニケーション
*著者：華東科技大学の李紅林研究グループ
*解釈:華東科技大学の李紅林氏の研究グループは、大環状薬剤の発見を加速するマックフォーマーを開発した (クリックすると原文が読めます)
*紙:
https://www.nature.com/articles/s41467-023-40219-8
グラフニューラルネットワーク（GNN）をベースとした臭気解析AIを開発
主要な匂いマップは嗅覚における多様なタスクを統合します
*ソース：科学
*著者：Google Researchの一部門であるOsmo Company
*解釈:Google、GNNベースの匂い認識AIを開発、人間の評価者による70年間の継続作業に匹敵する作業量 (クリックすると原文が読めます)
*紙:
https://www.science.org/doi/full/10.1126/science.ade4401
GPCRs-G タンパク質選択性のアルゴリズムを開発し、選択性の構造基盤を研究する
GPCR の G タンパク質カップリング選択性を支配する規則とメカニズム
*ソース：セルレポート
*著者: フロリダ大学の研究者
*解釈:フロリダ大学はニューラル ネットワークを使用して GPCR-G タンパク質結合選択性を解読 (クリックして原文を読む)
*紙:
https://doi.org/10.1016/j.celrep.2023.113173
高速自動スキャンキットFASTを使用すると、AIがスキャン位置を自動認識し、効率的かつ正確にサンプル情報を取得できます。
自律型高解像度走査型顕微鏡のための AI 主導のワークフローのデモンストレーション
*ソース：ネイチャーコミュニケーションズ
*著者: 米国アルゴンヌ国立研究所の研究者
*解釈:米国のアルゴンヌ国立研究所は、顕微鏡技術における「高速読み取り」を可能にする高速自動スキャンキット「FAST」をリリースした（クリックすると原文が読めます）
*紙:
https://www.nature.com/articles/s41467-023-40339-1
AI+ヘルスケア
勾配ブースティング マシン モデルは、BPSD 亜症候群を正確に予測します
認知症の行動的および心理的症状の発生に関する機械学習ベースの予測モデル: モデルの開発と検証
*ソース: 科学レポート
*著者：韓国延世大学研究チーム
*解釈:認知症を効果的に遅らせる：延世大学は、勾配ブースティングマシンモデルがBPSD亜症候群を正確に予測できることを発見した（クリックして原文を読む）
*紙:
https://www.nature.com/articles/s41598-023-35194-5
機械学習に基づき、特徴選択戦略を使用して、乳がんに固有の診断バイオマーカーのセットが取得されました。
堅牢な特徴選択戦略により、乳がんの推定診断バイオマーカーとしてマイクロRNAのパネルが検出されます
*ソース：CIBB2023
*著者: イタリア、ナポリ大学フェデリコ 2 世の研究者
*解釈:特徴選択戦略: 乳がんバイオマーカーを検出するための新しい手段を見つける (クリックして原文を読む)
*紙:
https://www.researchgate.net/publication/372083934
ロジスティック回帰モデルと 3 つの機械学習モデルを比較し、糖尿病または耐糖能障害を伴う冠状動脈性心疾患を患う中国の高齢者患者の 1 年死亡率を予測することに成功しました。
耐糖能障害または糖尿病を合併した冠動脈疾患を患う中国の高齢患者の1年後の死亡率を予測する機械学習ベースのモデル
*ソース：循環器・糖尿病内科
*著者：中国湖北省馬城人民病院の研究者
*紙:
https://cardiab.biomedcentral.com/articles/10.1186/s12933-023-01854-z
AIを使用して新しいブレインコンピューター技術を開発し、18年間失語症だった脳卒中患者が再び「話せる」ようになった
音声解読とアバター制御のための高性能ニューロプロテーゼ
*ソース：自然
*著者: カリフォルニア大学チーム
*解釈:彼女は脳卒中以来 18 年間失語症を患っています。AI とブレイン コンピューター インターフェイスが「自分の考えを表現する」のに役立ちます (クリックすると元の記事を読むことができます)。
*紙:
https://www.nature.com/articles/s41586-023-06443-4
商用 AI Lunit は医師と同じくらい正確にマンモグラムを読み取ります
マンモグラフィスクリーニングスキームにおける個人パフォーマンスを使用した乳がん検出 AI アルゴリズムのパフォーマンス
*ソース: 放射線科
*著者：英国ノッティンガム大学の研究チーム
*解釈:「ピンクキラー」指名手配、AIのマンモグラム読取能力は医師並み（クリックすると原文が読めます）
*紙:
https://pubs.rsna.org/doi/10.1148/radiol.223299
中国科学院ゲノミクス研究所がオープンな生物医学画像アーカイブを設立
物理整合性を利用したホログラム再構成の自己教師あり学習
*ソース:bioRxiv
*著者: 中国科学院ゲノミクス研究所
*解釈:OBIA: 900 人以上の患者、193 枚以上の画像、中国科学院ゲノミクス研究所が我が国初の生物学的画像共有データベースを公開 (クリックして原文を読む)
*紙:
https://www.nature.com/articles/s42256-023-00704-7
網膜画像基本モデルRETFoundでさまざまな全身疾患を予測
網膜画像からの一般化可能な疾患検出のための基礎モデル
*ソース：自然
*著者：ロンドン大学ユニバーシティ・カレッジおよびムーアフィールズ眼科病院の博士課程候補者、周裕坤氏ほか。
*解釈:160w+ のラベルなし画像、3 次元での総合評価、Zhou Yukun らは網膜画像を使用してさまざまな全身疾患を予測する RETFound モデルを開発 (クリックすると原文が読めます)
*紙:
https://www.nature.com/articles/s41586-023-06555-x
深層学習に基づいた人工知能による膵臓がんの検出
非造影CTと深層学習による大規模膵臓がん検出
*ソース：自然医学
*著者：アリババダモ病院は国内外の多くの医療機関と協力しています
*解釈:2万件中31件の見逃し診断が判明、アリババダモ病院が率先して膵臓がんのスクリーニングに「単純CT＋大型モデル」を導入（クリックすると原文が読めます）
*紙:
https://www.nature.com/articles/s41591-023-02640-w
テキスト認識および点字認識用の摩擦電気ナノ発電機触覚センサーの設計を最適化する
動的タッチデコーディングのための機械学習対応触覚センサー設計
*ソース：先端科学
*著者: 浙江大学のYang Geng氏とXu Kaichen氏の研究グループ
*解釈:浙江大学は SVM を使用して触覚センサーを最適化し、点字認識率は 96.12% に達しました (クリックすると原文が読めます)
*紙:
https://onlinelibrary.wiley.com/doi/10.1002/advs.202303949
AI+ 材料化学
複数の深層学習アーキテクチャを組み合わせて、表面観察を通じて材料の内部構造を決定する
穴埋め: 欠落した物理フィールド情報を回復するための転送可能な深層学習アプローチ
*ソース：先端材料
*著者: MITの研究者
*解釈:マテリアルスペース「空白を埋めてパズルを解く」: MIT はディープラーニングを使用して非破壊検査の問題を解決します (クリックすると原文が読めます)
*紙:
https://onlinelibrary.wiley.com/doi/full/10.1002/adma.202301449
ディープニューラルネットワークと自然言語処理を組み合わせて耐食合金を開発
自然言語処理とディープラーニングによる耐食合金設計の強化
*ソース：科学の進歩
*著者: ドイツのマックス・プランク鉄研究所の研究者
*解釈:AI「腐敗防止」、ドイツのマックス・プランク研究所がNLPとDNNを組み合わせて耐腐食合金を開発 (クリックすると原文が読めます)
*紙:
https://www.science.org/doi/10.1126/sciadv.adg7992
機械学習モデルに基づいて、AI は多孔質材料の構造パラメータを抽出して水の吸着等温線を予測するようにトレーニングされています。
機械学習を利用した水吸着等温線と冷却性能の予測
*ソース：材料化学ジャーナルA
*著者: 華中科技大学のLi Song氏の研究グループ
*解釈:華中科技大学の Li Song 氏の研究グループは、機械学習を使用して多孔質材料の水吸着等温線を予測しています (クリックすると原文が読めます)
*紙:
https://pubs.rsc.org/en/content/articlelanding/2023/TA/D3TA03586G
アトミック ニューラル ネットワークの場誘起再帰的埋め込み FIREANN は、外部場の強度と方向の変化を正確に記述します
外部場に対する原子システムの応答のための普遍的な機械学習
*ソース：ネイチャーコミュニケーション
*著者：中国科学技術大学の江斌研究グループ
*解釈:中国科学技術大学のJiang Bin氏の研究グループは、外部場に対する原子の反応を分析するFIREANNを開発した（クリックすると原文を読む）
*紙:
https://www.nature.com/articles/s41467-023-42148-y
DeepMindが深層学習ツールGNoMEをリリースし、220万個の新しい結晶を発見
材料発見のための深層学習のスケーリング
*ソース:ディープマインド
*著者：自然
*解釈:人類より800年先？ DeepMind が GNoME をリリース、深層学習を使用して 220 万個の新しい結晶を予測 (クリックして原文を読む)
*紙:
https://www.nature.com/articles/s41586-023-06735-9
高精度な材料性能予測を実現するSEN機械学習モデル
結晶カプセル表現による物質の対称性認識と物性予測
*ソース：ネイチャーコミュニケーションズ
*著者: 中山大学の李華山氏と王彪氏の研究グループ
*解釈:中山大学の李華山氏と王彪氏の研究グループは、材料特性を高精度で予測するための SEN 機械学習モデルを開発しました (クリックすると原文が読めます)
*紙:
https://www.nature.com/articles/s41467-023-40756-2
RetroExplainer アルゴリズムは深層学習に基づいて逆合成予測を実行します
分子アセンブリタスクに基づく解釈可能な深層学習フレームワークによる逆合成予測
*ソース：ネイチャーコミュニケーションズ
*著者：山東大学、中国電子科学技術大学研究グループ
*解釈:山東大学は、有機化合物の逆合成経路を 4 つのステップで特定する説明可能な深層学習アルゴリズム RetroExplainer を開発しました (クリックすると原文が読めます)
*紙：
https://www.nature.com/articles/s41467-023-41698-5
機械学習を使用して BiVO(4) 光アノードの助触媒を最適化する
高性能光アノード触媒を設計するための包括的な機械学習戦略
*ソース：材料化学ジャーナルA
*著者: 清華大学の朱宏偉研究グループ
*解釈:清華大学は、説明可能な機械学習を使用して光アノード触媒を最適化し、水素製造のための水の光分解を促進します (クリックすると原文が読めます)
*紙:
https://pubs.rsc.org/en/content/articlelanding/2023/TA/D3TA04148D
AI+動植物科学
機械学習に基づく集団遺伝的手法によりブドウの風味の形成メカニズムが解明
ブドウの家畜化における適応的および不適応的遺伝子移入
*ソース:米国科学アカデミー紀要
*著者:中国農業科学院深センアグリゲノミクス研究者
*解釈:ブドウの風味には秘密があります。農業科学アカデミーは機械学習を使用して遺伝子移入のプロセスを明らかにしています（クリックすると原文が読めます）。
*紙:
https://www.pnas.org/doi/abs/10.1073/pnas.2222041120
Python API とコンピューター ビジョン API を使用して日本の桜の開花を監視する
ソーシャルネットワークサイトの画像解析から明らかになった日本全国の桜開花の時空間的特徴
*ソース：フローラ
*著者：オーストラリア・モナッシュ大学の研究チーム
*解釈:モナシュ大学は、20,000 枚を超える Flickr 画像をクロールして、過去 10 年間に開花した日本の桜の空間的および時間的特徴を再現しました (クリックすると原文が読めます)
*紙:
https://www.sciencedirect.com/science/article/abs/pii/S0367253023001019
復習: AI を使用してバイオインフォマティクス研究をより効率的に開始する
AlphaFold のようなよく知られたバイオインフォマティクスの開発に加え、AI は相同性検索、多重アラインメントと系統構築、ゲノム配列解析、遺伝子発見などの生物学分野でも豊富な応用例を持っています。生物学の研究者として、機械学習ツールをデータ分析にうまく統合できれば、科学的発見が加速し、科学研究の効率が向上することは間違いありません。
*推奨読書:バイオインフォマティクス | AI を活用して研究をより効率的に開始 (クリックして原文を読む)
ツインネットワークに基づく深層学習手法により、胚の発生過程を自動的に捕捉
ディープラーニングを使用して発達の時間とテンポを明らかにする
*ソース：ネイチャーメソッド
*著者: システム生物学者のパトリック・ミュラーとコンスタンツ大学の研究者
*解釈:AIと胚を組み合わせた？システム生物学者のパトリック・ミュラー氏はツインネットワークを使用してゼブラフィッシュの胚を研究している (クリックして元の記事を読む)
*紙:
https://www.nature.com/articles/s41592-023-02083-8
50,000 枚を超える写真を使用して、顔認識に基づいて ArcFace をトレーニングします 分類責任者の多種画像認識モデル
写真識別への深層学習アプローチが、24 種のクジラ目で高いパフォーマンスを実証
*ソース：生態学と進化の方法論
*著者: ハワイ大学の研究者
*解釈:「クジラの顔認識」が開始されました。ハワイ大学は 50,000 枚の画像を使用して認識モデルをトレーニングし、平均精度は 0.869 でした (クリックすると原文が読めます)。
*紙:
https://besjournals.onlinelibrary.wiley.com/doi/full/10.1111/2041-210X.14167
628頭のラブラドールレトリバーのデータを使用し、3つのモデルを比較した結果、嗅覚探知犬の能力に影響を与える行動特性が判明しました。
犬の嗅覚検出プログラムにおける行動選択の機械学習予測と分類
*ソース：科学レポート
*著者: ネーションワイド小児病院アビゲイル・ウェクスナー研究所およびロッキービスタ大学の研究者
*解釈:犬の就活記：AI面接、人間支援、アメリカ研究所は628頭のラブラドールのデータを活用し匂い探知犬の選定効率を向上（クリックすると原文が読めます）
*紙:
https://www.nature.com/articles/s41598-023-39112-7
AIカメラ警報システムがトラと他の種を正確に区別
AlphaMissense による正確なプロテオーム全体のミスセンスバリアント効果予測
*ソース:バイオサイエンス
*著者: クレムソン大学の研究者
*解釈:人間とトラの共存問題に対応、トラの写真を識別して送信する初のAIカメラが登場（クリックすると原文が読めます）
*紙:
https://www.science.org/doi/10.1126/science.adg7492
BirdFlow モデルは、コンピューター モデリングと eBird データ セットを使用して、渡り鳥の飛行経路を正確に予測します。
BirdFlow: eBird データから季節的な鳥の動きを学習する
*ソース：生態学と進化の方法論
*著者: マサチューセッツ州立大学とコーネル大学の研究者
*解釈:マサチューセッツ大学は、コンピューター モデリングと eBird データ セットを使用して、鳥の渡りを予測することに成功しました (クリックして元の記事を読む)
*紙:
https://besjournals.onlinelibrary.wiley.com/doi/full/10.1111/2041-210X.14052
AI+ 農林畜産業
コンピュータービジョン + ディープラーニングを使用して、最大 94% ～ 100% の精度を持つ牛の跛行検出システムを開発
複数の牛の跛行を検出するための深層学習姿勢推定
*ソース：自然
*著者: ニューカッスル大学とフェラ サイエンス社の研究者
*解釈:ニューカッスル大学は、コンピュータ ビジョンとディープ ラーニングを活用して、リアルタイムの自動牛跛行検出システムを開発しました (クリックすると原文が読めます)
*紙:
https://www.nature.com/articles/s41598-023-31297-1
ドローン＋AI画像解析で林業害虫を検知
UAV ベースの手法を使用したマツ行列ガ Thaumetopoea putiocampa の巣の早期検出のテスト
*ソース:ネオバイオタ
*著者：リスボン大学研究チーム
*解釈:ドローン + AI 画像分析: リスボン大学が森林害虫を効率的に検出 (クリックすると原文が読めます)
*紙:
https://neobiota.pensoft.net/article/95692/
実験室での観察と機械学習を組み合わせると、ストレスの多い条件下でトマトやタバコの植物が発する超音波が空気中を伝播する可能性があることが証明されました。
ストレス下で植物が発する音は空気中に伝わり、情報を提供します
*ソース：細胞
*著者: イスラエル、テルアビブ大学の研究者
*解釈:トマトは圧力を受けると「悲鳴を上げる」こともある テルアビブ大学は、植物界が沈黙していないことを発見した（クリックして原文を読む）
*紙:
https://doi.org/10.1016/j.cell.2023.03.009
YOLOv5 アルゴリズムを使用して、雌豚の姿勢と子豚の誕生を監視するモデルが設計されています。
雌豚の分娩に関する組み込みボード実装の早期警告と監督
*ソース:センサー
*著者：南京農業大学研究チーム
*解釈:雌豚が出産していることはすでにわかっており、今回 Nannong は NVIDIA エッジ AI Jetson を使用しました (クリックすると原文が読めます)
*紙:
https://www.mdpi.com/1424-8220/23/2/727
畳み込みニューラル ネットワークを使用して、米の収量を迅速かつ正確にカウントします。
ディープラーニングにより、地上ベースの RGB 画像を使用した米の収量の即時かつ多用途な推定が可能になります
*ソース：植物フェノミクス
*著者：京都大学の研究者
*解釈:京都大学は穀物の生産量を予測するために CNN を使用しています。豊作なら神に頼む必要はなく、AI に尋ねるだけです (クリックすると原文が読めます)。
*紙：
https://spj.science.org/doi/10.34133/plantphenomics.0073
ドローンを使用して植物の表現型データを収集し、最適な収穫日を予測する体系的なプロセス
ドローンベースの収穫データ予測は農場での食品ロスを削減し、農家の収入を向上させることができます
*ソース：植物フェノミクス
*著者：東京大学、千葉大学の研究者
*解釈:損失は最大20%回復可能！東京大学、AIとドローンを活用して作物の収穫時期を予測（クリックすると原文が読めます）
*紙:
https://spj.science.org/doi/10.34133/plantphenomics.0086#body-ref-B4
AI+気象研究
ランダム フォレスト ベースの機械学習モデル CSU-MLP は、中期 (4 ～ 8 日) の悪天候を正確に予測します
中期の悪天候予測の新しいパラダイム: 確率的ランダムフォレストベースの予測
*ソース：天気と予報
*著者: コロラド州立大学と米国海洋大気局の研究者
*解釈:コロラド州立大学、ランダムフォレストアルゴリズムを使用して中期的な荒天を予測するCSU-MLPモデルをリリース (クリックすると原文が読めます)
*紙:
https://arxiv.org/abs/2208.02383
地球規模の暴風雨分析シミュレーションと機械学習を活用して、極端な降水量を正確に予測する新しいアルゴリズムを作成する
対流組織の暗黙的な学習により降水確率が説明される
*ソース:PNAS
*著者: コロンビア大学 LEAP 研究室
*解釈:極端な降水量を正確に予測するために、コロンビア大学はニューラル ネットワーク Org-NN のアップグレード バージョンを発表 (クリックすると原文が読めます)
*紙:
https://www.pnas.org/doi/10.1073/pnas.2216158120
復習: ひょう雨センターからデータを収集し、大規模なモデルを使用して異常気象を予測する
アリババクラウドは、2021年という早い時期に、DAMOアカデミーと国立気象センターが天気予測用のAIアルゴリズムを共同開発し、複数の厳しい対流天気の予測に成功したことを明らかにした。同年 9 月、ディープマインドは、深層生成モデルを使用してリアルタイムの降雨量予測を行う記事を「Nature」に発表しました。
2023 年の初めに、ディープマインドは GraphCast を正式に開始しました。これは、1 分間に 0.25° の解像度で今後 10 日間の世界の天気を予測できます。 4月には南京信息大学と上海人工知能研究所が共同で、GraphCastと比較して誤差をさらに低減した大規模天気予報モデル「Fengwu」を開発した。
その後、ファーウェイは大規模気象モデル「Pangu」を発売した。モデルへの 3 次元ニューラル ネットワークの導入により、「Pangu」の予測精度は、現在最も正確な NWP 予測システムを初めて超えました。最近、清華大学と復旦大学が「NowCastNet」と「Fuxi」モデルを相次いでリリースした。
*推奨読書:ヘイルストーム センターはデータを収集し、大規模なモデルを使用して異常気象予測をサポートしており、「ストーム チェイサー」が発生しています (クリックすると原文が読めます)
復習: データ駆動型の機械学習天気予報モデル
天気予報の主流は数値天気予報です。演繹的推論プロセスである数値積分を通じて、地球システムの状態をグリッドごとに解きます。 2022 年以降、天気予報分野の機械学習モデルは一連の画期的な進歩を遂げており、その中には欧州中期天気予報センターの高精度予報に匹敵するものもあります。
*推奨読書:機械学習と数値天気予報、AI が既存の天気予報モデルをどのように変えるか (クリックして元の記事を読む)
AI+ 天文学
シミュレートされたデータを使用してコンピューター ビジョン アルゴリズムをトレーニングし、天体画像を鮮明にして「復元」します
展開されたプラグアンドプレイ ADMM による弱い重力レンズのための銀河画像デコンボリューション
*ソース: 王立天文学協会の月次通知
*著者：清華大学とノースウェスタン大学の研究チーム
*解釈:2000年以降、清華大学の修士はAIを使って大気中の「魔法の攻撃」を打ち破り、宇宙の本当の姿を復元した（クリックすると元の記事を読む）
*紙:
https://www.nature.com/articles/s41421-023-00543-1
PRIMO アルゴリズムは、ブラック ホールの周囲の光の伝播規則を学習し、より鮮明なブラック ホール画像を再構成します。
PRIMOで再構成されたM87ブラックホールの画像
*ソース:天体物理学ジャーナルレター
*著者: プリンストン高等研究所の研究チーム
*解釈:PRIMO を使用して M87 ブラック ホールの画像を再構成し、プリンストン高等研究所は「ドーナツ」を「黄金の指輪」に変換することに成功しました (クリックすると原文が読めます)
*紙:
https://iopscience.iop.org/article/10.3847/2041-8213/acc32d/pdf
教師なし機械学習アルゴリズム Astronomaly を使用して、これまで見落とされていた異常を発見しました。
天文学的な規模で: 400 万個の銀河の中から異常を探す
*ソース:arXiv
*著者:西ケープ大学研究員
*解釈:天文学: CNN とアクティブ ラーニングを使用して 400 万の銀河画像の異常を特定 (クリックして原文を読む)
*紙:
https://arxiv.org/abs/2309.08660
AI+エネルギー環境
機械学習を使用して鉱物の組み合わせパターンを発見し、鉱物の位置を予測します
鉱物関連分析による新しい鉱物の出現と惑星の類似環境の予測
*ソース:PNAS ネクサス
*著者: ワシントンのカーネギー科学研究所とアリゾナ大学の研究者
*解釈:AI は深刻な「鉱業」産業に関与しており、カーネギー科学研究所は、新しい鉱床を見つけるために相関分析に依存する新しいアプローチを採用しました (クリックして原文を読む)
*紙:
https://academic.oup.com/pnasnexus/article/2/5/pgad110/7163824?login=true
物理的および機械学習モデルを使用して、乾燥気候における太陽光発電パネルの表面に汚れやその他の物質が蓄積することによる汚染損失を予測する
乾燥気候における太陽光発電システムの汚れ損失の特徴付け: キプロスでのケーススタディ
*ソース：太陽エネルギー
*著者:キプロス大学の研究者
*解釈:太陽光発電業界は「天候次第」に別れを告げる キプロス大学は、機械学習が将来の汚染損失を予測できることを発見した（クリックすると原文を読む）。
*紙:
https://www.sciencedirect.com/science/article/pii/S0038092X23001883
機械学習手法を使用して炭素回収プロセス中の有害なアミンガスの排出を予測する
産業プロセスのための機械学習: 炭素回収プラントからのアミン排出量の予測
*ソース:科学の進歩
*著者: ローザンヌ連邦工科大学エコール工科大学とヘリオットワット大学からなる研究チーム
*解釈:90 年代以降の修士号と博士号の 8 年間の攻勢: 機械学習を使用して化学研究に BUFF を追加 (クリックして原文を読む)
*紙:
https://www.science.org/doi/10.1126/sciadv.adc9576
AI+ 自然災害
積み重ね可能なニューラル ネットワークは自然災害に影響を与える要因を分析できます
解釈可能なニューラルネットワークによる地すべり感受性モデリング
*ソース：コミュニケーション 地球・環境
*著者: カリフォルニア大学ロサンゼルス校の研究者
*解釈:ブラックボックスが透明になる: UCLA が地滑りを予測する解釈可能なニューラル ネットワーク SNN を開発 (クリックして原文を読む)
*紙:
https://www.nature.com/articles/s43247-023-00806-5
解釈可能な AI を使用して、オーストラリアのギップスランドでさまざまな地理的要因を分析し、地元の山火事の確率分布マップを取得しました。
山火事の感受性予測モデルに入力される要因を解釈するための説明可能な人工知能 (XAI)
*ソース:サイエンスダイレクト
*著者: オーストラリア国立大学とシドニー工科大学の研究者
*解釈：ハワイをはじめとする世界中の多くの場所が「終末の狂気」に陥っているが、AIによる監視は重大な瞬間に山火事を上回ることができるだろうか。 (クリックすると原文が読めます)
*紙:
https://www.sciencedirect.com/science/article/pii/S0048969723016224
他の
メタ光学における AI の直接問題と逆問題、メタサーフェス システムに基づくデータ分析
メタ光学における人工知能
*ソース:ACS出版物
*著者:香港城市大学の研究者
*解釈:AIが増加し、超光学ブームの時代へ（クリックすると原文が読めます）
*紙:
https://pubs.acs.org/doi/10.1021/acs.chemrev.2c00012
Ithaca は、文字の修復、時間的および地理的帰属において碑文作者を支援します
ディープニューラルネットワークを使用した古代文書の復元と帰属
*ソース：自然
*著者: DeepMind とヴェネツィアのフォスカリ大学の研究者
*解釈：千年暗号の新たな解釈として、DeepMind はギリシャ語碑文を解読するための Ithaca を開発しました (クリックすると原文が読めます)
*紙:
https://www.nature.com/articles/s41586-022-04448-z
30 人の学者が共同で Nature レビューを発表、AI が科学研究パラダイムをどのように再構築するかを分析した 10 年間のレビュー
スタンフォード大学コンピューターサイエンスおよび遺伝子テクノロジー学部の博士研究員Hanchen Wang氏、ジョージア工科大学計算科学工学部のTianfan Fu氏、コーネル大学コンピューターサイエンス学部のYuanqi Du氏、その他30名がレビューしました。基礎科学研究の分野における過去 10 年間の AI の役割を調査し、残りの課題と欠点を明らかにしました。
*推奨読書:30 人の学者が共同で Nature 誌に総説を発表しました。この総説は、AI が科学研究のパラダイムをどのように再構築したかを分析した 10 年間の総説です (クリックして原文を読みます)
政策: 科学技術省は中国自然科学財団と協力して、「人工知能主導の科学研究」(AI for Science) の特別展開を開始しました。
3月27日、新華社は、国家の「新世代人工知能開発計画」を実行するため、中国科学技術省と自然科学財団がこのほど「人工知能主導の科学研究」の特別展開を開始したと報じた。 」（科学のためのAI）。
今回、我が国は、数学、物理学、化学、天文学などの基礎分野の重要な問題を密接に統合し、重要な分野の科学研究のニーズに焦点を当てる、科学のためのAIの最先端技術の研究開発システムを構築しました。医薬品の研究開発、遺伝子研究、生物育種、新素材の研究開発などの分野。これに関連して、中国科学院オートメーション研究所の徐波所長は、新薬の創出、遺伝子研究、生物育種、新素材の研究開発などの分野が緊急に必要とされており、優れた代表的な方向性であると説明した。人工知能と科学研究を組み合わせるために。
上記は、2023 年に「HyperAI Super Neural」が解釈する最先端の論文です。WeChat 公式アカウントをフォローし、バックグラウンドで「2023 ScienceAI」と返信すると、すべての論文がパッケージ化されてダウンロードされます。
2024年も、最新の科学研究成果と科学向けAIの関連応用に引き続き注目していきますので、ご期待ください〜