基于深度学习的随机微观结构重建及高保真微观力学模拟
设计生成对抗网络(Generativeadversarialnetwork;GAN)及其变体,以产生高保真的SRVE,覆盖CMCs微观结构变异性空间。开发了一种循环填充算法,在GAN训练过程中生成具有周期性边界条件的SRVE。通过微观力学模拟验证了生成SRVE的准确性,其中使用了高效的高保真广义方法(high-fidelitygeneralizedmethodsofcell...
Npj Comput. Mater.: 生成式对抗神经网络:逆向设计金属玻璃
来自香港城市大学机械工程系的杨勇教授团队最近提出了一种结合无监督型的生成式对抗神经网络和监督型的提升树的深度学习框架,可用于复杂成分块体金属玻璃的逆向设计。该团队系统的研究了各种不同的数据描述符以及已有的实验数据对于生成式对抗神经网络有效性的影响。发现人们普遍采用的半经验式数据描述符并不能广泛适用于...
...研发新革命,AlphaFold3太强了!专家团队手把手教授AI蛋白质设计
通过神经网络和生成对抗网络的应用,可以提高蛋白质的稳定性、可溶性和活性,以满足特定的设计要求。蛋白质-蛋白质相互作用预测:深度学习可用于预测蛋白质与蛋白质之间的相互作用,从而实现蛋白质和配体的高效率设计和筛选等。近年来发过哪些顶刊以及方向:Naturecommunications|使用基于结构的残基偏好进行蛋白质设计...
设计更强对接亲和力的药物分子,中南大学开发药效团深度学习方法
最近,人们提出了深度生成模型来合理设计具有所需特性的新型分子,为这项任务提供了新的视角。在从深度神经网络生成分子的流行架构和模型中,变分自动编码器、强化学习、生成对抗网络和自回归模型已经成功地在指定的前提下设计了所需的分子。许多方法旨在生成具有给定物理化学性质的分子,例如Wildman-Crippen分配系数(LogP)...
制药新工具,多伦多大学团队重新设计参与基因治疗的关键蛋白质
近期,科学家开发了用于从头蛋白质设计的深度学习模型。然而,这些模型是在更大的数据集上进行训练的。例如,ProteinGAN是第一个专为蛋白质序列生成而设计的生成对抗网络(GAN)模型,包含6000万个可训练参数,并针对16,706个独特的苹果酸脱氢酶序列进行了训练。目前已知的人类腺病毒仅有88种血清型,可用...
人工智能领域最重要的50个专业术语(中英文对照)
-超参数是在学习过程之前设置的参数,决定了网络结构和学习过程的配置,如学习率或网络层数(www.e993.com)2024年8月6日。30.参数Parameters-参数是在机器学习过程中学习到的模型内部变量,如权重和偏差。31.特征工程FeatureEngineering-特征工程是选择、修改和创建从原始数据中提取的特征的过程,以改善模型的性能。
2023年中国AIGC产业全景报告
AIGC应用创新的技术支撑为“生成对抗网络(GAN)/扩散模型(Diffusion)”与“Transformer预训练大模型”的两类大模型分支。在国外AIGC应用展示出大模型的能量的同时,我国企业也加强了相关产品技术布局,云厂商、AI大厂、创企、各行业公司及技术服务商等产业各领域玩家纷纷发布大模型或基于大模型的应用产品及各类技术服务。
【仿真科普】融合物理定律的智能计算:PINNs的未来趋势与挑战
监督学习技术,特别是生成对抗网络(GANs)和自编码器,可以与PINNs结合用于复杂数据集的特征学习和数据生成。例如,在材料科学中,可以通过这种整合方法自动生成符合物理法则的新材料结构。PINNs的框架提供了一种机制,可以通过物理定律作为先验知识,将在一个领域学到的模型应用到另一个领域。这种跨领域的应用能够显著提高模型...
万字聊聊面向不确定性环境的自动驾驶运动规划
DBQN网络结构如图5所示。网络的输入层由智能体的信念状态向量和完全可观测向量构成,而以往的DQN输入由MDP中的状态表述,DBQN通过在输入中添加信念状态以寻找最优策略,这使DBQN具有可有效应对POMDP场景的能力,并且在Tiger与RockSample两款游戏中都获得优于DQN的效果。
【华泰金工林晓明团队】WGAN生成:从单资产到多资产——华泰人工...
在生成对抗网络的常见应用场景——图像生成中,评价模型生成的图像是否“逼真”较为容易——人们可以通过长久积累的视觉经验主观判断,例如生成的物体是否符合常识等。在这些领域,人们基于主观经验,对网络的生成表现作判断,进而指导网络结构设计、超参数选择等。