本研究提出了基于预训练语言模型的生成式设计方法，利用人工智能技术自动检索和映射生物类比，并生成自然语言体现的生物仿生设计概念。通过精细调整三种类型的设计概念生成器和机器评估器，本方法成功应用于实现轻量化飞行汽车方案的生成，并取得了良好的性能表现。

Mar, 2022

提出了一种新颖的基于 $Meta_{Abd}$ 的自动生物设计工程框架，使学习机器能够同时优化模型并减少实验成本和数据注释的研究。

May, 2021

通过学习较简单的 “问题模式” 结构表示，并结合众包和递归神经网络从产品描述中提取目的和机制向量表示，使我们在寻找类比时可以比传统信息检索方法获得更高的精确度和召回率，在创意发想实验中，模型检索的类比与传统方法相比， 显著提高了人们产生创造性想法的可能性，这一结果表明，在许多大规模的现实生活情境下，学习和利用较弱的结构表示是实现计算类比的一种很有前途的方法。

Jun, 2017

本研究使用生物启发方法来遍历和可视化词嵌入，并显示了其可理解的结构。此外，我们的模型还生成可信的单词相似性排名。我们还展示了使用生物启发模型在不同的单词嵌入技术之间进行比较，以研究其对语义输出的影响，这可以强调或模糊文本数据中的特定解释。

Sep, 2020

通过一种全新的的端对端系统进行科学论文的模拟搜索，这个模拟搜索的成功可以被中间层次的问题抽象匹配的良好匹配度所中介，凸显了各种可能性。AI 搜索引擎可以在不需要人类参与的情况下，实现与人在循环系统中相同的准确率，从而加速科学创新。

May, 2022

通过自动回归变换器大型语言模型 BioinspiredLLM，我们可以加速发现并指导研究，通过该模型可以提供信息回忆、协助研究任务和推动创造力等功能，同时它还能与其他生成式人工智能模型协作，重塑传统材料设计流程。

Sep, 2023

本文介绍了一种新颖的从全文中提取和搜索科学挑战和方向的任务，以促进快速知识发现。我们构建并发布了一个专家注释的语料库，并使用我们的数据训练模型来识别 COVID-19 疫情相关的生物医学跨学科工作中的挑战和方向，从而构建了一个专用搜索引擎。我们的实验表明，我们的系统在协助知识发现方面优于流行的科学搜索引擎，并且我们的模型可以泛化到更广泛的生物医学领域和 AI 论文。

Aug, 2021

生成式机器学习，生物设计工具，预测准确性，双重风险，监管提案。

Nov, 2023

最近基于深度学习的新兴技术在人工智能领域的各种任务中取得了卓越的结果，然而，它们面临着对抗性输入、生态影响以及需要大量训练数据等多个挑战。作为回应，研究人员越来越关注生物基础的机制，因为生物大脑所展示的惊人能力具有吸引力。本调查研究探讨了一系列这些受生物启发的突触可塑性模型，在深度学习场景中的应用以及与尖峰神经网络突触可塑性模型的关联。总的来说，生物启发的深度学习是一个令人兴奋的研究方向，旨在推进我们当前的技术，同时也加深对智能的理解。

Jul, 2023

研究发现，在自然界的生物结构和功能中寻找灵感，运用进化算法等自然启发算法最终可以提高数据科学和数据分析的表现，其中特别关注了四种算法的优化应用 —— 特征选择、超参数调整、知识发现和聚类优化。

Feb, 2022