scientific applications | BriefGPT

关键词scientific applications

搜索结果 - 13

PropEn 引导的隐式设计：匹配数据以跟随梯度
通过匹配每个样本与一个具有更好属性值的相似样本，我们提出了一个新的 PropEn 框架，用于在有限数据和复杂景观下进行领域不可知的生成框架，以实现属性增强和有效的设计优化。通过玩具问题和科学应用的广泛评估，包括治疗蛋白质设计和翼型优化，证明
PDFa month ago
压缩中等规模深度神经网络的高效灵活方法
我们提出了一种凝结缩减算法，验证了这一想法在实际问题中的可行性，可以将神经网络的规模减小，并在保持预测准确性的同时减少计算压力和提高推理速度。
PDF2 months ago
CARE：从临床文献中提取实验结果
从文献中提取细粒度实验结果可以为科学应用提供巨大效益，而本研究聚焦于生物医学领域，提出了一种新的信息抽取数据集 CARE （临床聚合导向结果抽取），以提取临床发现结果。在该数据集上对多种最先进的信息抽取系统进行了性能评估，结果表明本数据集的
PDF8 months ago
大型语言模型对科学发现的影响：使用 GPT-4 的初步研究
近年来，在自然语言处理方面取得突破性进展的大型语言模型（LLM）的出现，展示了其在包括理解、生成和翻译自然语言甚至超越语言处理的任务方面的卓越能力。本文报告中，我们深入研究了 LLM 在科学发现环境中的性能，重点关注 GPT-4，这一最先进
PDF8 months ago
评估科学应用中神经 PDE 的不确定量化方法
神经偏微分方程（Neural PDEs）被证明能够有效重构流系统并预测相关的未知参数。然而，基于贝叶斯方法的神经偏微分方程显示出更高的预测确定性，相较于使用 Deep Ensembles 方法得到的结果，可能低估了真实潜在的不确定性。
PDF8 months ago
大型语言模型在新型人工智能加速器上的全面性能研究
研究了大型语言模型在多个人工智能加速器和图形处理器上的性能特性，并评估了这些模型的性能，考虑到序列长度、扩展行为、稀疏性和梯度积累步骤的敏感性。
PDF9 months ago
科学领域的人工智能是否需要另一个 ImageNet 或完全不同的基准？机器学习势场的案例研究
用机器学习力场作为案例研究，探讨有效评估科学领域中 AI 的基准测试方法，在样本效率、时间段敏感性和跨数据集泛化能力等方面提供了解决方案，并提出了一套更能评估模型在真实科学应用中性能的指标。
PDFa year ago
基于贝叶斯方法的不确定输入高斯过程回归
该研究提出了一种使用贝叶斯方法将观测数据的不确定性与高斯过程回归相结合的方法，因此在科学应用中可以更好地估计不确定性，并获得更稳健的预测结果。
PDFa year ago
AAAI科学发现与测量成本 -- 在强化学习中平衡信息和成本
本论文提出了一种框架，可使深度强化学习算法在科学应用方面实现选择行动和决定是否在每个时间步长测量系统当前状态的策略，以平衡获取信息和信息成本。结果表明，当在此模式下训练时，Dueling DQN 和 PPO 代理可以学习到最优行动策略，同时
PDF3 years ago
Zwicky 瞬变设施：数据处理、产品和档案
Zwicky Transient Facility (ZTF) is a time-domain survey utilizing a unique image-differencing algorithm, sensitive photo
PDF5 years ago
DLHub：面向科研的模型和数据服务
介绍了 Data and Learning Hub for science (DLHub)，它是一个多租户系统，具有模型库和服务功能，并专注于科学应用，这解决了当前系统中的一些局限性。DLHub 使用户能够共享、发布、验证、重现和重用模型，
PDF6 years ago
修正贝塞尔函数比值的新型尖锐界限
本研究通过定性分析 Riccati 方程满足的修正 Bessel 函数的第一和第二类相邻阶数之间比值的界限，得出了一些精准的、比之前更为精确的界限。同时，我们提出了一种通过新的 Riccati 方程来定义一个新函数从而得到更加精确界限的方
PDF8 years ago
HEALPix—— 高分辨率球面离散化框架及其快速数据分析
本文介绍了 HEALPix 数据结构及其相关库的多功能性，支持直接在大量天文数据和大范围调查中执行快速的科学应用程序。HEALPix 数据结构可以扩展到满足未来任务和实验的观测结果的许多深刻挑战，包括行星、赫歇尔、SAFIR 和超越爱因斯坦
PDF20 years ago