新闻中心 
-
04-10比手动快13倍多，「机器人+AI」发现电池最佳电解质，加速材料研究编辑|紫罗传统的材料研发模式主要依赖「试错」的实验方法或偶然性的发现，其研发过程一般长达10-20年。基于机器学习（ML）的数据驱动方法可以加速清洁能源技术新材...
-
03-27准确率 >98%，基于电子密度的 GPT 用于化学研究，登 Nature 子刊编辑|紫罗可合成分子的化学空间是非常广阔的。有效地探索这个领域需要依赖计算筛选技术，比如深度学习，以便快速地发现各种有趣的化合物。将分子结构转换为数字表示形式，...
-
03-20保真度高达~98%，广工大「AI+光学」研究登Nature子刊，深度学习赋能非正交光复用编辑|X在光复用中，通道之间的正交性扮演着至关重要的角色。这种正交性确保了不同通道之间的信号不会相互干扰，从而实现了高效的数据传输。光复用系统能够同时传输多个通...
-
03-14如何把大量物理知识塞给AI？EIT和北大团队提出「规则重要性」概念编辑|ScienceAI深度学习模型由于其可以从海量数据中学习潜在关系的能力而在科学研究领域产生了深远影响。然而，纯粹依赖数据的模型逐渐显露出其局限性，包括对数...
-
03-07AI4Science的基石：几何图神经网络，最全综述来了！人大高瓴联合腾讯AI lab、清华、斯坦福等发布编辑|XSNature在2023年11月发表了两项重要研究成果：蛋白质合成技术Chroma和晶体材料设计方法GNoME。这两项研究都采用了图神经网络作为处理科学...
-
03-05预测精度高达0.98，清华、深势科技等提出基于Transformer的MOF材料多功能预测框架编辑|X气体分离在工业生产和环境保护中扮演着关键角色，金属有机框架（MOF）凭借其独特性能，在气体分离领域展现出巨大潜力。传统的模拟方法，比如分子动力学，虽然复...
