May, 2024

顺序实验中的协同智能：药物发现的人机交互框架

PDF
TL;DR药物研发是一个复杂的过程，本文介绍了一种人工智能与人类专家知识相结合的人机协作框架，用于药物研发中的顺序实验，以提高针对目标分子的发现效率。研究结果表明，这种框架能够有效加速新疫苗和药物的开发，充分利用人类专家和人工智能的优势。
drug discoverysequential experimentationhuman-in-the-loop frameworkdeep learning algorithmscollaborative approach
发现论文，激发创造
  • 推动人工智能和人类共同创造，加速材料发现

    通过机器学习和 AI 技术，提出了一个支持领域和流程知识管理，结合人工智能协作的工作台框架，以减少时间和机会成本的目的，实现化学空间探索的新型功能材料的发现。

    Nov, 2022

  • 加速人机协同机器学习：挑战与机遇

    该研究描述了一种 “人机互动” 机器学习系统的愿景，它通过智能跟踪更改和中间结果，实现了工作流加速，反馈及时，内省和调试，背景执行和自动化，并描述了 Helix，初步尝试这样一个系统已经在典型的迭代工作流中实现了最多 10 倍的提速。

    Apr, 2018

  • 一种透明的交互式机器学习方法，利用人工智能在 NP 难问题中找到解决方案

    本文介绍机器学习领域的交互式学习方法，通过实验展示了如何使用人机交互的方式将黑箱算法变为透明的算法，以提高算法的可信度和接受度，并探讨了交互式学习方法在健康信息学领域中的应用和优势。

    Aug, 2017

  • 人算协同贝叶斯优化工程系统

    应用高通量贝叶斯优化和离散决策理论，提出了一种协同贝叶斯优化方法，以将人类专家的知识融入数据驱动的决策过程中，实现更快的收敛和改善工程系统中贝叶斯优化的可追踪性。

    Apr, 2024

  • 药物发现领域的人工智能：现在已经到达了吗？

    药物发现正在适应新技术，如数据科学、信息学和人工智能（AI），以加速有效治疗的开发，同时减少成本和动物实验。 AI 正在改变药物发现的方式，成功的药物发现需要优化与药理动力学、药代动力学和临床结果相关的特性。本文讨论了 AI 在药物发现的三个支柱（疾病、靶点和治疗模式）中的应用，重点关注小分子药物。

    Jul, 2023

  • 人类参与下的新颖性生成

    介绍了一种使用抽象环境模型的新颖性生成方法，不需要特定领域的人为指导即可生成更多的新颖性，然后采用人类的辅助选择和过滤这些生成的新颖性，并在 Monopoly 和 VizDoom 领域中测试了该方法的结果。

    Jun, 2023

  • 人类参与的机器学习概述

    本文基于数据分析角度，对人机协同中的数据处理、模型训练和系统独立模式，进行了调查总结，分类整理，提供了自然语言处理、计算机视觉等多领域的技术优势 / 缺陷、挑战和机遇，提出了有效设计人机协同解决方案的思路。

    Aug, 2021

  • 人机协同：自动电子显微学中的机器学习之未来

    机器学习在电子显微镜领域逐步获得认可，用于数据后处理中的去噪、语义分割和降维。在使用大型仪器制造商的 API 引入后，现在可以在显微镜中部署机器学习工作流，不仅用于数据分析，还用于实时决策和反馈。然而，实时机器学习的用例数量仍然相当有限。在本文中，我们讨论了设计基于机器学习的主动实验的一些考虑因素，并提出了未来几年的策略可能是人在环回中的自动化实验 (hAE)。在这种范例中，机器学习代理直接控制光束位置、图像和光谱采集功能，人操作员实时监控系统的特征空间中的实验进展，并调整机器学习代理的策略以实现特定目标。

    Oct, 2023

  • 医学图像分析中的主动学习和人机协作深度学习调查

    通过调查人们在开发和部署深度学习应用中的作用，讨论了人在医疗领域内深度学习技术开发和部署中的重要性，同时提出了四个关键领域以及未来的前景和未解决问题，这些领域有望共同实现结合在医疗领域中的人机互动计算。

    Oct, 2019

  • 学习发现药物

    此篇论文综述了近期在人工智能方法论中应用于药物发现的最新进展，并将其分为分子序列和几何图形的表征学习、基于数据驱动的推理以及基于知识的推理三个相对稳定的子领域，并探讨了未来可能的研究方向及挑战。

    Feb, 2022