XiaoMi-AI文件搜索系统
World File Search System几乎
将Mol2VEC技术应用于大型数据可视化和分析
化学中深度学习的最新成功与文本挖掘的进展以及通过类比与文本处理化学图的能力紧密结合。深度学习也是分子描述中的关键问题，因为在深度学习过程中，存储在隐藏神经元层（潜在变量）上的内部值可以有效地用作分子描述符[1]。由于深神经网络几乎可以“读取”几乎所有野蛮的，未经准备的分子表示（分子图，微笑的字符串 - 典型化或不使用典型化 - 甚至是像素化图像格式中的2D草图），这些潜在变量可以被视为被人工智能的“发明”。他们应该弄清（几乎）分子图中存在的所有信息，尽管它不会在设计新型分子描述符的专家使用的化学专业知识之后提取。后者会知道，例如，要强调可以从图中推断但难以提取的结构方面。典型的例子是药效团
教育与计算机科学哲学跨学科研究的计算机方面
摘要。对学科内部和学科之间的事件的一项大规模全球研究提供了有力的证据，表明主要思想家已经开始引入新的思维方式，以至于大多数学术学科在整个20世纪都经历了重大范式变化。在过去的四十年中，我们越来越多地看到了重大的变化，即使没有，在主要科学学科中。几乎所有学科都出现了新的思维方式。借助跨学科方法，已经出现了一种运动以整合知识，超越了与学科专业相关的知识的分散。计算机技术和计算机概念几乎渗透到了学术研究的几乎所有领域。这些事件分别可以视为新的思维方式和新知识模型的实施，并且可能是意识发展的边缘，在该方面，计算机技术占据着重要地位。全球化和计算机化时代的教育和沟通是社会持续存在的明显必要。
