详细内容或原文请订阅后点击阅览
需要研究假设？问问 AI。
麻省理工学院的工程师开发了 AI 框架来识别可以推进生物启发材料的证据驱动假设。
来源:MIT新闻 - 人工智能提出独特且有前景的研究假设是任何科学家的基本技能。但也可能很耗时：新博士生可能会在项目的第一年里试图决定在实验中究竟要探索什么。如果人工智能能帮上忙呢？
麻省理工学院的研究人员通过人机协作，创造了一种跨领域自主生成和评估有前景的研究假设的方法。在一篇新论文中，他们描述了如何使用这个框架来创建证据驱动的假设，以满足生物启发材料领域尚未满足的研究需求。
这项研究于周三发表在《先进材料》杂志上，由原子和分子力学实验室 (LAMM) 的博士后 Alireza Ghafarollahi 和麻省理工学院土木与环境工程系和机械工程系的 Jerry McAfee 工程学教授兼 LAMM 主任 Markus Buehler 共同撰写。
周三发表在《先进材料》杂志上 先进材料研究人员称之为 SciAgents 的框架由多个 AI 代理组成，每个代理都具有特定的功能和数据访问权限，它们利用“图形推理”方法，其中 AI 模型利用知识图来组织和定义不同科学概念之间的关系。多代理方法模仿了生物系统将自身组织为基本构建块组的方式。Buehler 指出，这种“分而治之”原则是生物学中许多层面的一个突出范例，从材料到昆虫群再到文明——所有这些例子都表明总体智力远远大于个人能力的总和。
自动化好主意
自动化好主意 以前的工作对于最近的论文，研究人员使用了大约 1,000 项关于生物材料的科学研究，但 Buehler 表示，知识图谱可以使用来自任何领域的更多或更少的研究论文来生成。
使系统更强大