유용한 정보를 요약했습니다! 2023년 AI for Science의 가장 주목할 만한 연구 결과
시간이 흐르면서 시대의 영광은 더욱 새로워진다. 2023년 지난해에는과학을 위한 AI 그것은 너무나 많은 놀라움을 가져왔고 또한 더 많은 상상력을 위한 씨앗을 심었습니다.
2020년부터 시작하여 알파폴드 과학 연구 프로젝트는 AI for Science를 AI 응용 프로그램의 주요 단계로 끌어올렸습니다. 지난 2년 동안 생물의학부터 천문학, 기상학, 재료화학에 이르는 기초 학문이 AI의 새로운 전장이 되었습니다. 이 과정에서 AI의 역량은 날카로운 칼날로 구체화되어 반세기 동안 사람들을 괴롭혀 온 족쇄를 끊어버릴 수 있게 되었고, 과학 연구의 진전을 크게 가속화했습니다.
이처럼 성공적인 사례가 늘어나면서 2023년 이후 과학 연구 분야에서 AI의 여정은 더욱 순조로워졌습니다. 점점 더 많은 연구팀이 AI의 도움을 구하고 있으며, 그 결과 더욱 가치 있는 결과가 나오고 있습니다.
과학 분야에서 AI에 주목한 최초의 커뮤니티 중 하나로서,"HyperAI Super Neural"은 최첨단 논문을 해석하여 최신 진행 상황을 계속 기록하고 있습니다.한편으로는 최신 성과와 연구 방법을 전 세계적으로 공유하는 것을 목표로 하며, 다른 한편으로는 더 많은 팀이 과학 연구에 AI의 도움을 받아 중국의 과학을 위한 AI 발전에 기여하기를 바랍니다.
연말과 내년 초는 과거를 돌아보고 미래에 대해 배우기에 좋은 시기입니다.우리는 다양한 과학 연구 분야의 독자들이 쉽게 검색할 수 있도록 2023년 "HyperAI Super Neural"에서 해석한 최첨단 논문을 분류하고 요약했습니다.
위챗 공개계정 팔로우하고 백그라운드에서 답글 달기 「2023 사이언스AI」모든 논문을 하나의 패키지로 다운로드할 수 있습니다. 또한, 일부 논문에서 사용된 데이터 세트는 "HyperAI Super Neural" 공식 홈페이지에서 다운로드할 수 있습니다.
다운로드 주소:
AI+생명공학
머신러닝 모델을 통해 장시간 작용 주사제의 약물 방출 속도를 정확하게 예측하여 장시간 작용 주사제 개발을 가속화합니다.
폴리머 장기 작용 주사제 설계를 가속화하기 위한 머신 러닝 모델
*원천：네이처 커뮤니케이션즈
*작가：토론토 대학교 연구원들
*해석:토론토 대학은 11개 알고리즘을 수평적으로 비교 분석하여 장기 작용 주사제 신약 개발을 가속화하기 위한 머신러닝 모델을 출시했습니다(원문 기사를 읽으려면 클릭하세요)
*종이:
https://www.nature.com/articles/s41467-022-35343-w
머신 러닝 알고리즘은 0.67의 정확도로 말라리아에 대한 식물 저항성을 효과적으로 예측합니다.
머신 러닝은 식물을 항말라리아제의 잠재적 공급원으로 예측하는 데 도움이 됩니다.
*원천：식물과학의 최전선
*작가: 큐 가든, 큐 및 세인트 앤드류스 대학의 연구원들
*해석:영국의 왕립식물원은 기계 학습을 사용하여 말라리아에 대한 식물 저항성을 예측하여 정확도를 0.46에서 0.67로 높였습니다(원문 기사를 읽으려면 클릭하세요)
*종이:
https://www.ncbi.nlm.nih.gov/pmc/articles/PMC10248027
실시간으로 다능성 줄기세포의 분화 과정을 조절하고 최적화하기 위한 생세포 명시야 동적 이미징과 머신 러닝을 기반으로 한 분화 시스템
PSC 분화 시스템의 변동성을 줄이기 위한 생세포 이미지 기반 머신 러닝 전략
*원천：세포 발견
*작가: 북경대학교의 Zhao Yang 그룹과 Zhang Yu의 그룹, 북경교통대학교의 Liu Yiyan 그룹
*해석:베이징대학교, 기계학습 기반 다능성 줄기세포 분화 시스템 개발…기능성 세포 효율적이고 안정적으로 생산 (원문 기사 클릭)
*종이:
https://www.nature.com/articles/s41421-023-00543-1
바이오잉크 인쇄성을 예측하고 예측률을 개선하기 위한 머신 러닝 모델 적용
머신 러닝을 사용하여 제약품 잉크젯 인쇄 결과 예측
*원천：국제약리학저널: X
*작가: 산티아고 데 콤포스텔라 대학교와 런던 대학교의 연구원들
*해석:약물 3D 프린팅의 새로운 획기적인 발전: 샌디에이고 대학교, 머신 러닝을 사용하여 최대 97.22%의 정확도로 바이오 잉크를 스크린 인쇄(원본 기사를 읽으려면 클릭하세요)
*종이:
https://www.sciencedirect.com/science/article/pii/S2590156723000257
약 7,500개의 분자를 선별하기 위해 딥러닝을 사용하여 Acinetobacter baumannii를 억제하는 새로운 항생제가 발견되었습니다.
아시네토박터 바우마니를 표적으로 하는 항생제의 딥러닝 기반 발견
*원천：네이처 케미컬 바이올로지
*작가：맥마스터 대학교와 MIT 연구진
*해석:AI가 슈퍼박테리아에 맞서 싸운다: 맥마스터 대학교, 딥러닝을 활용해 새로운 항생제 아바우신 발견 (원문 기사를 읽으려면 클릭하세요)
*종이:
https://www.nature.com/articles/s41589-023-01349-8#access-options
머신 러닝을 사용하여 우리는 세 가지를 발견했습니다. 세놀리틱스, 그리고 인간 세포주에서 노화 방지 효과를 검증했습니다.
머신러닝을 활용한 세놀리틱스 발견
*원천：네이처 커뮤니케이션즈
*작가: 제임스 L. 커클랜드 박사, 메이요 클리닉 등
*해석:세포 노화를 예방하고 노화 관련 질병을 예방하기 위해 에든버러 대학교는 세포에 대한 3가지 "AI 노화 방지 처방"을 발표했습니다(원문 기사를 읽으려면 클릭하세요)
*종이:
https://www.nature.com/articles/s41467-023-39120-1
머신러닝을 이용한 도파민 방출량 및 위치 정량화
머신 러닝을 이용한 도파민 신호 전달의 신경적 특징 식별
*원천：ACS 화학신경과학
*작가：캘리포니아 대학교 버클리 연구팀
*해석:행복 "정량화": UC 버클리, AI를 활용해 도파민 분비와 뇌 영역 추적 (원문 기사를 읽으려면 클릭하세요)
*종이:
https://pubs.acs.org/doi/full/10.1021/acschemneuro.3c00001
그래프 신경망을 사용하여 수십만 개의 화합물 중에서 안전하고 효과적인 노화 방지 성분을 선별했습니다.
딥 신경망을 이용한 소분자 세놀리틱스 발견
*원천：자연 노화
*작가: MIT 연구원들
*해석:MIT는 인간의 노화 시계를 늦추기 위해 Chemprop 모델을 사용하여 효과적이고 안전한 세포 노화 방지 화합물을 발견했습니다(원본 기사를 읽으려면 클릭하세요)
*종이:
https://www.nature.com/articles/s43587-023-00415-z
딥마인드 비지도 학습을 사용하여 AlphaMissense를 개발하고 7,100만 개의 유전자 돌연변이를 예측합니다.
AlphaMissense를 이용한 정확한 프로테옴 전체 미스센스 변형 효과 예측
*원천:과학
*작가: 딥마인드
*해석:DeepMind는 비지도 학습을 사용하여 AlphaMissense를 개발하고 7,100만 개의 유전자 돌연변이를 예측합니다(원본 기사를 읽으려면 클릭하세요)
*종이:
https://www.science.org/doi/10.1126/science.adg7492
CGMD와 결합된 Transformer 회귀 네트워크를 기반으로 수십억 개의 펩타이드의 자가조립 특성을 예측했습니다.
딥러닝은 10조 개 이상의 시퀀스를 통해 자가 조립 펩타이드 발견을 지원합니다.
*원천：고급 과학
*작가: 웨스트레이크대학교 리웬빈 연구팀
*종이:
https://onlinelibrary.wiley.com/doi/full/10.1002/advs.202301544
맥포머는 트랜스포머를 기반으로 개발되었고, 비고리형 약물인 피트라티닙은 성공적으로 거대고리화되어 약물 개발에 새로운 방법을 제공했습니다.
딥러닝을 통한 선형 분자의 거대고리화로 거대고리 약물 후보물질 발견 촉진
*원천：네이처 커뮤니케이션
*작가：동중국과학기술대학 리홍린 연구팀
*해석:동중국과학기술대학의 리홍린 연구진은 거대고리 약물의 발견을 가속화하기 위해 Macformer를 개발했습니다. (원문 기사를 읽으려면 클릭하세요)
*종이:
https://www.nature.com/articles/s41467-023-40219-8
그래프 신경망(GNN) 기반 냄새 분석 AI 개발
주요 냄새 지도는 후각 지각의 다양한 작업을 통합합니다.
*원천:과학
*작가：구글 리서치의 한 분야인 오스모(Osmo)
*해석:구글, GNN 기반 냄새 인식 AI 개발…인간 평가자 70년간의 노력에 상당 (원문 기사 보기)
*종이:
https://www.science.org/doi/full/10.1126/science.ade4401
GPCR-G 단백질 선택성에 대한 알고리즘을 개발하고 선택성의 구조적 기초를 조사합니다.
GPCR의 G 단백질 결합 선택성을 제어하는 규칙 및 메커니즘
*원천：셀 보고서
*작가: 플로리다 대학의 연구원들
*해석:플로리다 대학은 신경망을 사용하여 GPCR-G 단백질 결합 선택성을 해독합니다(원본 기사를 읽으려면 클릭하세요)
*종이:
https://doi.org/10.1016/j.celrep.2023.113173
빠른 자동 스캐닝 키트 FAST를 사용하면 AI가 스캐닝 위치를 자동으로 식별하고 효율적이고 정확하게 샘플 정보를 얻을 수 있습니다.
자율 고해상도 주사 현미경을 위한 AI 기반 워크플로우 시연
*원천：네이처 커뮤니케이션즈
*작가：아르곤 국립 연구소 연구원들
*해석:Argonne National Laboratory는 현미경 기술의 "빠른 판독"을 가능하게 하는 고속 자동 스캐닝 키트인 FAST를 출시했습니다(원문 기사를 읽으려면 클릭하세요)
*종이:
https://www.nature.com/articles/s41467-023-40339-1
AI+헬스케어
그래디언트 부스팅 머신 모델은 BPSD 하위 증후군을 정확하게 예측합니다.
치매의 행동 및 심리적 증상 발생을 위한 머신 러닝 기반 예측 모델: 모델 개발 및 검증
*원천：과학 보고서
*작가：연세대학교 연구팀, 한국
*해석:치매를 효과적으로 지연시키는 방법: 연세대학교, 그래디언트 부스팅 머신 모델이 BPSD 하위 증후군을 정확하게 예측할 수 있다는 연구 결과 발표 (원문 기사 클릭)
*종이:
https://www.nature.com/articles/s41598-023-35194-5
머신 러닝을 기반으로 특징 선택 전략을 사용하여 유방암에 대한 특정 진단 바이오마커 세트를 얻었습니다.
강력한 기능 선택 전략은 유방암의 가정 진단 바이오마커로서 마이크로RNA 패널을 감지합니다.
*원천：CIBB 2023
*작가: 이탈리아 나폴리 페데리코 2세 대학교 연구원들
*해석:특징 선택 전략: 유방암 바이오마커 감지를 위한 새로운 출구 찾기(원문 기사를 읽으려면 클릭하세요)
*종이:
https://www.researchgate.net/publication/372083934
관상동맥심장질환과 당뇨병 또는 포도당 내성 장애가 있는 중국 노인 환자의 1년 사망률을 성공적으로 예측하기 위한 로지스틱 회귀 모델과 3가지 머신러닝 모델을 비교
관상동맥질환과 당뇨병이 동반된 중국 노인 환자의 1년 사망률을 예측하기 위한 머신러닝 기반 모델
*원천：심혈관 당뇨병학
*작가: 중국 후베이성 마청인민병원 연구원들
*종이:
https://cardiab.biomedcentral.com/articles/10.1186/s12933-023-01854-z
AI를 활용한 새로운 뇌-컴퓨터 기술 개발로 18년간 실어증에 시달렸던 뇌졸중 환자가 다시 말을 할 수 있게 됐다.
음성 디코딩 및 아바타 제어를 위한 고성능 신경 보철물
*원천:자연
*작가: 캘리포니아 대학교 팀
*해석:그녀는 뇌졸중으로 인해 18년 동안 목소리를 잃었습니다. AI + 뇌-컴퓨터 인터페이스가 그녀가 "생각으로 말하는" 데 도움이 되었습니다(원문 기사를 읽으려면 클릭하세요)
*종이:
https://www.nature.com/articles/s41586-023-06443-4
상용 AI 루닛, 의사만큼 정확하게 유방조영술 판독
개인 유방촬영 검진 성과를 활용한 유방암 탐지 AI 알고리즘의 성능
*원천：방사선과
*작가：영국 노팅엄 대학교 연구팀
*해석:"핑크 킬러" 수배서, AI가 유방 엑스레이 판독 능력, 의사 수준과 동등 (원문 기사 보기 클릭)
*종이:
https://pubs.rsna.org/doi/10.1148/radiol.223299
중국과학원 유전체학연구소, 개방형 생물의학 영상 아카이브 구축
물리적 일관성을 이용한 홀로그램 재구성의 자기 감독 학습
*원천:바이오아카이브
*작가：중국과학원 유전체학연구소
*종이:
https://www.nature.com/articles/s42256-023-00704-7
망막 이미지 기반 모델 RETFound는 다양한 전신 질환을 예측합니다.
망막 이미지에서 일반화 가능한 질병 탐지를 위한 기초 모델
*원천:자연
*작가: 런던대학교와 무어필즈 안과병원의 박사과정 학생인 저우 유쿤 등.
*종이:
https://www.nature.com/articles/s41586-023-06555-x
딥러닝 기반 인공지능 췌장암 검출
비조영제 CT와 딥러닝을 통한 대규모 췌장암 검출
*원천：네이처 메디신
*작가: 알리바바 다모 아카데미는 국내외 다수의 의료기관과 협력하고 있습니다.
*해석:20,000건 중 31건은 오진으로 확인되었습니다. 알리바바 다모 아카데미, 췌장암 검진 위한 '플레인 스캔 CT+대형 모델' 출시 주도 (원문 기사 클릭)
*종이:
https://www.nature.com/articles/s41591-023-02640-w
텍스트 인식 및 점자 인식을 위한 마찰전기 나노발전기 촉각 센서 설계 최적화
동적 터치 디코딩을 위한 머신 러닝 기반 촉각 센서 설계
*원천：고급 과학
*작가: 절강대학교 Yang Geng과 Xu Kaichen의 연구 그룹
*해석:저장대학교, SVM을 활용해 촉각 센서 최적화…점자 인식률 96.12% 달성 (원문 보기 클릭)
*종이:
https://onlinelibrary.wiley.com/doi/10.1002/advs.202303949
AI+ 재료화학
표면 관찰을 통해 재료의 내부 구조를 결정하기 위해 여러 딥러닝 아키텍처를 결합합니다.
빈칸 채우기: 누락된 물리적 현장 정보를 복구하기 위한 전이 가능한 딥 러닝 접근 방식
*원천：어드밴스드 머티리얼즈
*작가: MIT 연구원들
*해석:자료 공간의 빈칸을 채우세요: MIT는 비파괴 검사 문제를 해결하기 위해 딥러닝을 사용합니다(원본 기사를 읽으려면 클릭하세요)
*종이:
https://onlinelibrary.wiley.com/doi/full/10.1002/adma.202301449
심층 신경망과 자연어 처리를 결합하여 부식 방지 합금 개발
자연어 처리 및 딥러닝을 통한 내식성 합금 설계 향상
*원천：과학의 발전
*작가: 독일 막스 플랑크 철연구소 연구원들
*해석:AI "부패 방지", 독일 막스 플랑크 연구소, NLP와 DNN 결합해 내식성 합금 개발 (원문 기사 클릭)
*종이:
https://www.science.org/doi/10.1126/sciadv.adg7992
머신러닝 모델을 기반으로 AI는 다공성 물질의 구조적 매개변수를 추출하여 물 흡착 등온선을 예측하도록 훈련됩니다.
물 흡착 등온선 및 냉각 성능에 대한 머신 러닝 지원 예측
*원천：재료화학저널 A
*작가：화중과학기술대학교 이송 연구팀
*해석:화중과학기술대학교의 리송 연구진은 머신러닝을 사용하여 다공성 재료의 수분 흡착 등온선을 예측했습니다(원문 기사를 읽으려면 클릭하세요)
*종이:
https://pubs.rsc.org/en/content/articlelanding/2023/TA/D3TA03586G
필드 유도 재귀 임베딩 원자 신경망 FIREANN은 외부 필드 강도 및 방향의 변화를 정확하게 설명합니다.
외부 필드에 대한 원자 시스템의 반응을 위한 범용 머신 러닝
*원천：네이처 커뮤니케이션
*작가：중국과학기술대학 장빈 연구팀
*해석:USTC의 Jiang Bin이 이끄는 연구 그룹은 외부 필드에 대한 원자의 반응을 분석하기 위해 FIREANN을 개발했습니다(원문 기사를 읽으려면 클릭하세요)
*종이:
https://www.nature.com/articles/s41467-023-42148-y
DeepMind, 딥러닝 도구 GNoME 출시, 220만 개의 새로운 결정 발견
재료 발견을 위한 딥 러닝 확장
*원천: 딥마인드
*작가:자연
*해석:인류보다 800년 앞선가요? DeepMind가 딥러닝을 활용해 220만 개의 새로운 결정을 예측하는 GNoME을 출시했습니다(원문 기사를 읽으려면 클릭하세요)
*종이:
https://www.nature.com/articles/s41586-023-06735-9
고정밀 재료 속성 예측을 위한 SEN 머신 러닝 모델
결정 캡슐 표현을 통한 재료 대칭 인식 및 속성 예측
*원천：네이처 커뮤니케이션즈
*작가：중산대학교 리화산(Li Huashan)과 왕뱌오(Wang Biao) 연구 그룹
*해석:중산대학의 Li Huashan과 Wang Biao 연구 그룹은 높은 정확도로 재료 특성을 예측하는 SEN 머신 러닝 모델을 개발했습니다(원문 기사를 읽으려면 클릭하세요)
*종이:
https://www.nature.com/articles/s41467-023-40756-2
딥러닝 기반 역합성 예측을 위한 RetroExplainer 알고리즘
분자 조립 작업을 기반으로 한 해석 가능한 딥러닝 프레임워크를 통한 역합성 예측
*원천：네이처 커뮤니케이션즈
*작가：산둥대학교, 중국 전자과학기술대학 연구팀
*해석:산둥대학교는 4단계로 유기화합물의 역합성 경로를 식별할 수 있는 해석 가능한 딥러닝 알고리즘 RetroExplainer를 개발했습니다(원문 기사를 읽으려면 클릭하세요)
*종이:
https://www.nature.com/articles/s41467-023-41698-5
머신 러닝을 사용하여 BiVO(4) 광양극용 공촉매 최적화
고성능 광양극 촉매 설계를 위한 포괄적인 머신 러닝 전략
*원천：재료화학저널 A
*작가：칭화대학교 주홍웨이 연구그룹
*해석:청화대학교는 해석 가능한 머신 러닝을 사용하여 광양극 촉매를 최적화하여 물의 광분해를 돕고 수소를 생산합니다(원문 기사를 읽으려면 클릭하세요)
*종이:
https://pubs.rsc.org/en/content/articlelanding/2023/TA/D3TA04148D
AI+ 식물 및 동물 과학
머신러닝 기반 인구유전학으로 포도향 형성 메커니즘 밝혀
포도나무 재배에서의 적응성 및 부적응성 유입
*원천:미국 국립과학원 회보
*작가：중국 농업과학원 선전 농업유전체학센터 연구원들
*해석:포도 맛에는 비밀이 있습니다. 농업 과학 아카데미는 머신 러닝을 사용하여 유전자 도입 과정을 밝힙니다(원본 기사를 읽으려면 클릭하세요)
*종이:
https://www.pnas.org/doi/abs/10.1073/pnas.2222041120
Python API와 Computer Vision API를 사용하여 일본 벚꽃 개화 모니터링
소셜 네트워크 사이트 이미지 분석을 통해 밝혀진 일본 전역의 벚꽃 개화 시공간적 특징
*원천:플로라
*작가：호주 모나쉬 대학교 연구팀
*해석:모나쉬 대학교는 2만 개가 넘는 Flickr 이미지를 크롤링하여 지난 10년간 일본 벚꽃 개화의 시공간적 특성을 재현했습니다. (원문 기사를 읽으려면 클릭하세요)
*종이:
https://www.sciencedirect.com/science/article/abs/pii/S0367253023001019
리뷰: AI를 활용해 생물정보학 연구를 보다 효율적으로 시작하기
AlphaFold와 같은 잘 알려진 생물정보학의 발전 외에도 AI는 상동성 검색, 다중 정렬 및 계통학 구축, 게놈 서열 분석, 유전자 발견과 같은 생물학 분야에서 풍부한 응용 사례를 가지고 있습니다. 생물학 연구자의 경우, 머신 러닝 도구를 데이터 분석에 능숙하게 통합할 수 있다면 과학적 발견이 가속화되고 과학 연구 효율성이 향상될 것입니다.
*추천 도서:생물정보학 | AI로 더 효율적으로 연구를 시작하세요(원문 기사를 읽으려면 클릭하세요)
트윈 네트워크를 기반으로 한 딥러닝 방식은 배아 발달 과정을 자동으로 포착합니다.
딥러닝을 활용한 개발 시간 및 템포 파악
*원천：자연 방법
*작가: 시스템 생물학자 패트릭 뮐러(Patrick Müller)와 콘스탄츠 대학 연구진
*해석:AI와 배아의 결합? 시스템 생물학자 패트릭 뮐러는 쌍둥이 네트워크를 사용하여 다니오 배아를 연구합니다(원본 기사를 읽으려면 클릭하세요)
*종이:
https://www.nature.com/articles/s41592-023-02083-8
5만장 이상의 사진을 사용하여 얼굴 인식 알고리즘인 ArcFace를 훈련했습니다. 분류 헤드 다종 이미지 인식 모델
사진 식별을 위한 딥러닝 접근법은 20여 종의 고래류에 대해 높은 성능을 보여줍니다.
*원천：생태학과 진화의 방법
*작가: 하와이 대학교 연구원들
*해석:"고래 얼굴 인식"이 이제 온라인에 공개되었습니다. 하와이 대학은 50,000개의 이미지를 사용하여 인식 모델을 훈련하며, 평균 정확도는 0.869입니다(원문 읽기 클릭)
*종이:
https://besjournals.onlinelibrary.wiley.com/doi/full/10.1111/2041-210X.14167
628마리의 래브라도 리트리버의 데이터를 사용하여 세 가지 모델을 비교하여 냄새 감지견의 성능에 영향을 미치는 행동 특성을 파악했습니다.
개 후각 감지 프로그램에서 행동 선택에 대한 머신 러닝 예측 및 분류
*원천：과학 보고서
*작가: 전국 어린이 병원과 Rocky Vista 대학의 Abigail Wexner 연구소 연구원
*해석:개 일자리 검색: AI 면접, 인간 보조, 미국 연구소, 래브라도 628마리 데이터 활용해 후각 감지견 선발 효율성 향상 (원문 기사 보기 클릭)
*종이:
https://www.nature.com/articles/s41598-023-39112-7
AI 카메라 경보 시스템은 호랑이와 다른 종을 정확하게 구별합니다.
AlphaMissense를 이용한 정확한 프로테옴 전체 미스센스 변형 효과 예측
*원천：생명과학
*작가: 클렘슨 대학교 연구원들
*해석:인간과 호랑이의 공존 문제를 해결하기 위해 호랑이 사진을 식별하고 전송할 수 있는 최초의 AI 카메라가 등장했습니다(원문 기사를 읽으려면 클릭하세요)
*종이:
https://www.science.org/doi/10.1126/science.adg7492
BirdFlow는 컴퓨터 모델링과 eBird 데이터 세트를 사용하여 철새의 비행 경로를 정확하게 예측합니다.
BirdFlow: eBird 데이터에서 계절별 조류 이동 학습
*원천：생태학과 진화의 방법
*작가: 매사추세츠 대학교와 코넬 대학교의 연구원들
*해석:매사추세츠 대학교는 컴퓨터 모델링과 eBird 데이터 세트를 사용하여 조류 이동을 성공적으로 예측했습니다(원본 기사를 읽으려면 클릭하세요)
*종이:
https://besjournals.onlinelibrary.wiley.com/doi/full/10.1111/2041-210X.14052
AI+ 농업, 임업 및 축산
컴퓨터 비전 + 딥러닝을 활용하여 정확도 94%-100%의 젖소 절름발이 감지 시스템 개발
다중 소 절름발이 감지를 위한 딥러닝 자세 추정
*원천:자연
*작가: 뉴캐슬 대학교와 Fera Scientific Ltd의 연구원들
*해석:뉴캐슬 대학교, 컴퓨터 비전과 딥러닝을 활용한 실시간 자동 젖소 절름발이 감지 시스템 개발
*종이:
https://www.nature.com/articles/s41598-023-31297-1
드론+AI 이미지 분석으로 산림 해충 탐지
무인 항공기(UAV) 기반 방법을 사용하여 소나무 행렬나방 Thaumetopoea pityocampa 둥지의 조기 감지 테스트
*원천: 네오바이오타
*작가：리스본 대학교 연구팀
*해석:드론 + AI 이미지 분석: 리스본 대학교, 산림 해충을 효율적으로 감지 (원문 기사를 읽으려면 클릭하세요)
*종이:
https://neobiota.pensoft.net/article/95692/
실험실 관찰과 기계 학습을 결합하여 스트레스를 받는 토마토와 담배 식물에서 방출되는 초음파가 공기 중으로 전파될 수 있음을 보여줍니다.
스트레스를 받는 식물이 내는 소리는 공기 중에 퍼져 정보를 전달합니다.
*원천:셀
*작가：이스라엘 텔아비브 대학교 연구원들
*해석:토마토는 압력을 받으면 "비명을 지른다". 텔아비브 대학은 식물계가 조용하지 않다는 사실을 발견했습니다(원문 기사를 읽으려면 클릭하세요)
*종이:
https://doi.org/10.1016/j.cell.2023.03.009
YOLOv5 알고리즘을 사용하여 모돈 자세와 새끼 돼지 출산을 모니터링하는 모델이 설계되었습니다.
내장형 보드 구현을 위한 모돈 분만 조기 경고 및 감독
*원천：센서
*작가：난징 농업대학교 연구팀
*해석:암퇘지는 언제 새끼를 낳을지 알고 있습니다. 이번에 NNU는 NVIDIA의 엣지 AI Jetson을 사용합니다. (원문 기사 보기 클릭)
*종이:
https://www.mdpi.com/1424-8220/23/2/727
합성곱 신경망을 사용하여 벼 수확량을 빠르고 정확하게 계산합니다.
딥러닝을 통해 지상 기반 RGB 이미지를 사용하여 벼 수확량을 즉각적이고 다양하게 추정할 수 있습니다.
*원천：식물 표현형학
*작가：교토대 연구진
*해석:교토 대학은 CNN을 사용하여 식량 생산량을 예측합니다. 좋은 수확은 날씨가 아니라 AI에 달려 있습니다. (원문 기사를 읽으려면 클릭하세요)
*종이:
https://spj.science.org/doi/10.34133/plantphenomics.0073
드론을 사용하여 식물 표현형 데이터를 수집하고 최적 수확 날짜를 예측하는 체계적인 프로세스
드론 기반 수확 데이터 예측으로 농장 내 식량 손실 감소 및 농가 소득 증대 가능
*원천：식물 표현형학
*작가: 도쿄대와 치바대 연구진
*해석:최대 20% 손실까지 회복 가능합니다! 도쿄대학교, AI와 드론 활용해 작물 최적 수확일 예측 (원문 기사 클릭)
*종이:
https://spj.science.org/doi/10.34133/plantphenomics.0086#body-ref-B4
AI+ 기상 연구
랜덤 포레스트를 기반으로 한 머신 러닝 모델인 CSU-MLP는 중기(4~8일)에 걸쳐 심각한 기상 현상을 정확하게 예측합니다.
중기 심각한 기상 예보를 위한 새로운 패러다임: 확률적 랜덤 포레스트 기반 예측
*원천：날씨 및 예보
*작가: 콜로라도 주립 대학과 미국 해양 대기청의 연구원들
*해석:콜로라도 주립대학교는 랜덤 포레스트 알고리즘을 사용하여 중기 심각한 기상 상황을 예측하는 CSU-MLP 모델을 발표했습니다(원문 기사를 읽으려면 클릭하세요)
*종이:
https://arxiv.org/abs/2208.02383
전 세계 폭풍 분석 시뮬레이션과 머신 러닝을 사용하여 극심한 강수량을 정확하게 예측하는 새로운 알고리즘을 생성합니다.
대류 조직의 암묵적 학습은 강수 확률론을 설명합니다.
*원천: PNAS
*작가：컬럼비아 대학교 리프 랩
*해석:컬럼비아 대학교, 극심한 강수량을 정확하게 예측하기 위해 Org-NN 신경망 업그레이드 버전 출시 (원문 기사 클릭)
*종이:
https://www.pnas.org/doi/10.1073/pnas.2216158120
개요: 대규모 모델을 사용하여 우박 폭풍 진앙지에서 데이터를 수집하여 극한 기상 예측
알리바바 클라우드는 2021년 초에 DAMO 아카데미와 국가 기상 센터가 공동으로 기상 예보를 위한 AI 알고리즘을 개발하고 여러 건의 심각한 대류 기상 현상을 성공적으로 예측했다고 밝혔습니다. 같은 해 9월, Deepmind는 Nature에 논문을 게재했는데, 딥러닝 생성 모델을 사용하여 실시간 강우량을 예측했습니다.
2023년 초, Deepmind는 1분 이내에 0.25°의 해상도로 향후 10일간의 전 세계 날씨를 예측할 수 있는 GraphCast를 공식 출시했습니다. 4월, 난징정보과학기술대학과 상하이 인공지능연구실은 공동으로 "풍무(風武)" 날씨 예보 모델을 개발했는데, 이 모델은 GraphCast에 비해 오차를 더욱 줄였습니다.
이후 화웨이는 '판구' 기상 모델을 출시했다. 3차원 신경망이 모델에 도입되면서 판구의 예측 정확도는 처음으로 가장 정확한 NWP 예측 시스템을 넘어섰습니다. 최근 청화대학교와 복단대학교에서 잇따라 'NowCastNet'과 'Fuxi' 모델을 출시했습니다.
*추천 도서:우박 폭풍 센터, 데이터 수집하고 대형 모델로 극한 기상 예보 지원, "스톰 체이서" 무대에 올라 (원문 기사 보기 클릭)
개요: 데이터 기반 머신 러닝 날씨 예보 모델
수치적 기상 예측은 기상 예보의 주류를 이루는 방법입니다. 이는 연역적 추론의 과정인 수치적 적분을 통해 격자 단위로 지구 시스템의 상태를 해결합니다. 2022년 이래로 기상 예보 분야의 머신 러닝 모델은 일련의 획기적인 발전을 이루었으며, 그 중 일부는 유럽 중기 기상 예보 센터의 고정밀 예보에 필적할 만한 수준입니다.
*추천 도서:머신러닝 vs. 수치적 기상 예측, AI가 기존 기상 예측 모델을 어떻게 변화시키는가 (원문 기사 읽기 클릭)
AI + 천문학
시뮬레이션 데이터를 사용하여 컴퓨터 비전 알고리즘을 훈련하여 천문 이미지를 선명하게 만듭니다.
펼쳐진 플러그 앤 플레이 ADMM을 사용한 약한 중력 렌즈에 대한 은하 이미지 디컨볼루션
*원천: 왕립 천문학회 월간 소식
*작가：칭화대학교와 노스웨스턴대학교 연구팀
*해석:2000년대 이후 청화대 학생이 AI를 이용해 대기의 '마법공격'을 물리치고 우주의 진정한 모습을 회복했습니다. (원문 기사를 읽으려면 클릭하세요)
*종이:
https://www.nature.com/articles/s41421-023-00543-1
PRIMO 알고리즘은 블랙홀 주변의 빛 전파 법칙을 학습하고 더욱 선명한 블랙홀 이미지를 재구성합니다.
PRIMO로 재구성된 M87 블랙홀 이미지
*원천:천체물리학 저널 편지
*작가：프린스턴 고등연구소 연구팀
*해석:프린스턴 고등연구소는 PRIMO를 사용하여 M87 블랙홀의 이미지를 재구성하여 "도넛"을 "황금 고리"로 성공적으로 변환했습니다(원본 기사를 읽으려면 클릭하세요)
*종이:
https://iopscience.iop.org/article/10.3847/2041-8213/acc32d/pdf
비지도 머신 러닝 알고리즘인 Astronomaly를 사용하여 이전에 간과되었던 이상 현상을 발견했습니다.
천문학적 규모: 400만 개의 은하계에서 이상 현상 찾기
*원천: arXiv
*작가：서부 케이프 대학교 연구원들
*해석:천문학: CNN과 능동 학습을 사용하여 400만 개의 은하 이미지에서 이상 현상 식별(원문 기사를 읽으려면 클릭하세요)
*종이:
https://arxiv.org/abs/2309.08660
AI+ 에너지 및 환경
머신 러닝을 사용하여 광물 조합 패턴을 발견하여 광물 위치를 예측합니다.
광물 연관 분석을 통해 새로운 광물 발생 및 행성 유사 환경 예측
*원천：PNAS 넥서스
*작가: 워싱턴 카네기 과학 연구소와 애리조나 대학의 연구원들
*종이:
https://academic.oup.com/pnasnexus/article/2/5/pgad110/7163824?login=true
건조 기후에서 태양광 패널 표면에 먼지 및 기타 물질이 축적되어 발생하는 오염 손실을 예측하기 위해 물리적 및 기계 학습 모델을 사용합니다.
건조 기후에서 태양광 시스템의 오염 손실 특성화: 키프로스 사례 연구
*원천：태양 에너지
*작가: 키프로스 대학 연구원들
*종이:
https://www.sciencedirect.com/science/article/pii/S0038092X23001883
머신러닝 기법을 통한 탄소 포집 공정에서 유해 아민 가스 배출 예측
산업 공정을 위한 머신 러닝: 탄소 포집 플랜트의 아민 배출량 예측
*원천：ScienceAdvances
*작가: EPFL과 Heriot-Watt 대학의 연구팀
*해석:90년대 이후 박사과정 학생을 위한 8년간의 경쟁: 머신러닝을 활용한 화학 연구 강화 (원문 기사를 읽으려면 클릭하세요)
*종이:
https://www.science.org/doi/10.1126/sciadv.adc9576
AI + 자연재해
자연재해 영향 요인 분석을 위한 중첩형 신경망
해석 가능한 신경망을 통한 산사태 취약성 모델링
*원천：커뮤니케이션 지구환경
*작가: 캘리포니아 대학교 로스앤젤레스 캠퍼스 연구원들
*해석:블랙박스가 투명해졌습니다: UCLA, 산사태 예측을 위한 해석 가능한 신경망 SNN 개발(원문 기사를 읽으려면 클릭하세요)
*종이:
https://www.nature.com/articles/s43247-023-00806-5
설명 가능한 AI를 사용하여 호주 기프스랜드의 다양한 지리적 요소를 분석하고 지역별 산불 확률 분포 지도를 얻었습니다.
산불 취약성 예측 모델에 기여 요인을 해석하기 위한 설명 가능 인공 지능(XAI)
*원천: 사이언스다이렉트
*작가：호주국립대학교와 시드니공과대학교 연구진
*해석:하와이를 비롯한 전 세계 여러 지역이 "종말의 불길"에 휩싸였습니다. AI 모니터링이 중요한 순간에 산불보다 더 나은 성과를 낼 수 있을까? (클릭하여 원본을 읽어보세요)
*종이:
https://www.sciencedirect.com/science/article/pii/S0048969723016224
다른
메타광학, 메타표면 시스템 기반 데이터 분석에서 AI의 직접 및 역 문제
메타광학의 인공지능
*원천：ACS 출판사
*작가：홍콩시립대학교 연구진
*해석:AI가 게임에 추가되고 있으며, 초광학이 붐을 이루는 시대로 접어들고 있습니다(원본 기사를 읽으려면 클릭하세요)
*종이:
https://pubs.acs.org/doi/10.1021/acs.chemrev.2c00012
이타카는 비문학자들이 텍스트 복원, 연대순 및 지리적 귀속을 할 수 있도록 지원합니다.
딥 신경망을 사용하여 고대 텍스트 복원 및 속성 지정
*원천:자연
*작가: DeepMind와 베니스 포스카리 대학교의 연구원들
*해석:밀레니엄 코드의 새로운 해석, DeepMind가 그리스어 비문을 해독하기 위해 이타카를 개발했습니다(원문 기사를 읽으려면 클릭하세요)
*종이:
https://www.nature.com/articles/s41586-022-04448-z
30명의 학자들이 공동으로 Nature 리뷰를 발표하여 10년을 검토하고 AI가 과학 연구 패러다임을 어떻게 재편했는지 분석했습니다.
스탠포드 대학 컴퓨터 과학 및 유전체학부의 박사후 연구원인 한첸 왕, 조지아 공과대학 컴퓨터 과학 및 공학과의 티안판 푸, 코넬 대학 컴퓨터 과학과의 위안치 두를 포함한 30여 명은 지난 10년간 기초 과학 연구에서 AI의 역할을 검토하고 여전히 존재하는 과제와 단점을 지적했습니다.
정책: 과학기술부는 중국 국가자연과학기금과 함께 "과학을 위한 AI" 특별 배치 프로젝트를 시작했습니다.
3월 27일 신화통신은 국가급 '차세대 인공지능 발전 계획'을 이행하기 위해 과학기술부가 중국 국가자연과학기금과 함께 '인공지능 기반 과학 연구(AI for Science)'라는 특별 배치 작업을 최근 시작했다고 보도했습니다.
이번에 우리나라의 AI 과학첨단기술 연구개발체계는 수학, 물리, 화학, 천문학 등 기초학문의 핵심과제를 긴밀히 통합하고, 신약개발, 유전자 연구, 생물육종, 신소재 개발 등 핵심분야의 과학연구 수요에 초점을 맞출 것입니다. 이에 대해 중국과학원 자동화연구소 소장인 쉬보(徐波)는 신약창출, 유전자 연구, 생물육종, 신소재 연구개발 등 분야는 인공지능과 과학연구를 결합해야 할 시급한 필요성이 있는 중요한 방향으로, 뛰어난 진전을 이루었으며 대표적인 사례라고 설명했습니다.
위의 내용은 2023년에 "HyperAI Super Neural"이 여러분을 위해 해석해 드릴 최첨단 논문입니다.WeChat 공식 계정을 팔로우하고 백그라운드에서 "2023 ScienceAI"라고 답글을 달면 모든 논문을 패키지로 다운로드할 수 있습니다.
2024년에도 AI for Science의 최신 과학 연구 결과와 관련 응용 분야에 집중할 예정이니 기대해 주세요~