量子、原子尺度和连续体系统科学中的人工智能
本报告总结了 Dagstuhl Seminar 22382“科学中的机器学习:桥接数据驱动和机理建模” 的讨论并提出了如何协作来推动人工智能和科学发现的新一波进展的路线图。
Mar, 2023
该文研究了近年来机器学习对于量子技术的影响,重点介绍了科学家们利用机器学习及人工智能等方法来分析量子测量、估计量子设备的参数以及发现新的量子实验方案、协议和反馈策略等,以进一步提高量子计算、量子通信和量子模拟等方面的效果,并探讨了未来发展方向和挑战。
Aug, 2022
本文综述了在量子计算、机器学习和人工智能交叉领域的主要思想、最近的发展以及在量子领域中研究机器学习和人工智能技术的进展,并探讨了量子机器学习和人工智能的相互增强作用以及基于量子力学概念的学习和智能问题。
Sep, 2017
基于 AI 在自然语言理解和生成方面的革命性进展,我们设计了能够解决复杂科学任务的 AI 系统,并将自然语言作为 AI 与人类科学家之间的核心表示、推理和交换格式。本文旨在探讨实现这一愿景所面临的主要研究挑战。
Oct, 2022
我们提出了一种基于人工智能的科学研究助手,用于物理学建模中极早期的科学发现,它通过物理学建模中既可解释又通用的本体论,自动搜索可行和简约的假设,并将列举的假设自动编译到特定于域的可解释和可训练 / 可测试张量计算图中来学习现象学关系,从而有效地提高了科学家的工作效率。
Feb, 2022
本文介绍了人工智能和量子计算中一些常见的数学工具,重点讨论了向量空间模型、张量积以及应用相关技术在信息检索、自然语言处理、推理等领域的方法。此外,本文探讨了这些技术在量子计算上的实现及其潜在应用方向。
Jan, 2021
探索和研究 AI 驱动的自动闭环科学发现方法,包括自我驱动的假设生成和假设空间的无限自主探索。将自动化纳入科学实践将缓解当前问题,包括发现的复制、数据的系统化生产以及最终的科学过程民主化,具有开创性的视野将释放 AI 在我们的世界基本结构搜索和发现方面的潜力,好过自动化当前工作流程,并打开技术创新的大门,解决人类面临的最大挑战之一。
Jul, 2023
通过对 8700 万篇论文和 710 万项专利采用自然语言处理技术,研究发现 AI 在科研中的使用范围广泛,特别是自 2015 年以来增长迅速,使用 AI 的论文影响因子更高,同时也存在 AI 人才供需不平衡和种族、性别等方面的不公平问题。
Apr, 2023
DeepSpeed4Science 旨在通过 AI 系统技术创新提供独特的能力,帮助领域专家解锁当今最大的科学之谜,并展示了在结构生物学研究中解决两个关键系统挑战方面的早期进展。
Oct, 2023