XiaoMi-AI文件搜索系统
World File Search Systemance
药物研发中的人工智能：最新进展和未来前景
摘要简介：人工智能 (AI) 启发了计算机辅助药物发现。机器学习（尤其是深度学习）在多个科学学科中的广泛应用，以及计算硬件和软件的进步等因素继续推动这一发展。对于人工智能在药物发现中的应用，最初的大部分怀疑已经开始消失，从而使药物化学受益。涵盖的领域：回顾了人工智能在化学信息学中的现状。本文讨论的主题包括定量结构-活性/性质关系和基于结构的建模、从头分子设计和化学合成预测。强调了当前深度学习应用的优势和局限性，并展望了用于药物发现的下一代人工智能。专家意见：基于深度学习的方法才刚刚开始解决药物发现中的一些基本问题。某些方法上的进步，例如信息传递模型、空间对称性保持网络、混合从头设计和其他创新的机器学习范式，可能会变得很普遍，并有助于解决一些最具挑战性的问题。开放数据共享和模型开发将在利用人工智能推动药物发现方面发挥核心作用。
DeSVig：工业人工智能系统中针对对抗性攻击的去中心化快速警惕
摘要 — 单独增强单个深度学习模型的鲁棒性只能提供有限的安全保障，尤其是在面对对抗性示例时。在本文中，我们提出了 DeSVig，这是一个去中心化的 Swift Vigilance 框架，用于识别工业人工智能系统 (IAIS) 中的对抗性攻击，使 IAIS 能够在几秒钟内纠正错误。DeSVig 高度去中心化，提高了识别异常输入的有效性。我们尝试使用特殊指定的移动边缘计算和生成对抗网络 (GAN) 来克服由行业动态引起的超低延迟挑战。我们工作最重要的优势是它可以显着降低被对抗性示例欺骗的失败风险，这对于安全优先和延迟敏感的环境至关重要。在我们的实验中，工业电子元件的对抗样本由几种经典的攻击模型生成。实验结果表明，DeSVig 比一些最先进的防御方法更强大、更高效、更具可扩展性。
先进计算机辅助 I 规划和... - DTIC
专家系统一方面将允许决策者越来越自动化或由非专业人员控制，另一方面将通过及时提供信息和快速评估替代战略大大扩展军事指挥官的能力。在个人面临人身危险的情况下，此类设施变得更加重要。现在，计算机架构有望通过使用并行处理和系统网络等技术来促进高速处理甚至“彼得”量的数据。
新经济治理框架为何有可能阻碍欧盟战略
欧盟面临着将财政纪律与战略目标相结合的复杂挑战，特别是在绿色转型的背景下。新的经济治理框架引入了更灵活、针对具体国家的财政政策方法，旨在平衡预算约束和大量投资。从严格的基于规则的体系转变为量身定制的基于经济分析的模型，代表着向前迈出的一步。然而，各国政府在支持欧盟战略方面面临着巨大的资金缺口。新经济基金会的预测估计，仅欧盟绿色和社会目标每年的投资缺口就高达 3046 亿欧元至 4239 亿欧元。如果没有进一步的财政创新和下一代欧盟等计划的扩展，欧盟就有可能无法实现其长期战略目标。本讨论文件旨在概述新经济治理框架的主要改革，并评估其支持欧盟战略目标的潜力。
人工智能在冷冻电镜中从头分子结构建模方面的进展
低温电子显微镜（cryo-EM）已成为确定大型蛋白质复合物和分子组装体结构的主要实验技术，2017 年的诺贝尔奖就是明证。尽管低温电子显微镜已得到极大改进，可以生成包含大分子详细结构信息的高分辨率三维（3D）图谱，但利用这些数据自动构建结构模型的计算方法却远远落后。传统的低温电子显微镜模型构建方法是基于模板的同源性建模。当数据库中找不到模板模型时，手动从头建模非常耗时。近年来，使用机器学习（ML）和深度学习（DL）的从头低温电子显微镜建模已成为大分子结构建模中表现最好的方法之一。基于深度学习的从头低温电子显微镜建模是人工智能的重要应用，其成果令人印象深刻，对下一代分子生物医学具有巨大潜力。因此，我们系统地回顾了具有代表性的基于 ML/DL 的从头低温电子显微镜建模方法。并从实践和方法论的角度讨论了它们的意义。我们还简要介绍了低温电子显微镜数据处理工作流程的背景。总体而言，本综述为从头分子结构建模的人工智能 (AI) 现代研究以及这一新兴领域的未来方向提供了入门指南。
第一届先进材料与...国际会议
让·拉穆尔研究所 (IJL) 是材料科学领域的基础和应用研究实验室。它是法国国家科学研究院和洛林大学的联合单位 (UMR 7198)，隶属于法国国家科学研究院化学研究所。它是一个多主题实验室，涵盖材料、冶金、纳米科学、等离子体、表面和电子学，以应对能源、环境、未来工业、移动性、资源保护和健康等社会挑战。其研究工作范围从材料设计到工业应用，由 25 个小组开展，分为四个科学部门和一个技术研究团队。它由八个技术平台和四个支持服务提供支持。IJL 主要位于法国南锡的阿尔乔姆校区。让拉穆尔研究所是欧洲最大的材料研究所之一，拥有包括实习生在内的多达六百名员工、一百五十家合作公司、每年发表三百篇经过同行评审的文章、每年三十二次论文答辩、在学术合作框架内与三十个国家建立合作。
生成人工智能增强建筑教育以发展数字素养和整体能力
本研究调查了生成人工智能（Genai）对建筑教育中数字素养发展和整体能力的影响。研究设计着重于应用Genai工具，例如Chatgpt，Midjourney，Bricscad Bim和VR/AR软件，及其对建筑学生的整体能力的影响。本文使用了一种混合研究方法，该方法结合了建筑学生在住宅重新审视项目中的进步案例研究，使用Midjourney，Bricscad BIM和VR/AR软件，以及对350个在2023-2023-2024-2024-2024校学年的大陆大学和香港的两名知名大学的在线问卷调查。这种方法旨在加深对Genai对整体能力框架内的概念创造力，主动性，自我管理和压力承受能力的影响。研究结果表明，建筑专业的学生在设计概念阶段经常使用Genai工具，这表明他们与特定的教学法中的研究和概念性创造力相关。此外，这些发现揭示了频繁的Genai工具使用情况之间的潜在相关性，时间管理的改善以及建筑专业的焦虑症减少。结果增强了对建筑教育中数字技术的理解，同时为未来的Genai实施提供了宝贵的见解。这项研究强调了融合Genai的潜在好处，强调了它们在培养创造力，有效的时间管理和压力耐受性中的作用。