GPT-Assisted Learning of Structure-Property Relationships by Graph Neural Networks: Application to Rare-Earth-Doped Phosphors.
圖神經網絡輔助學習結構-性質關係：應用於稀土摻雜磷光體。 J Phys Chem Lett 2023-12-21

材料科學中，機器學習遇到數據集建立和描述符設計挑戰。圖神經網絡如CGCNN能處理幾何信息，不需經驗描述符。GPT-4可協助建立數據庫。研究中，GPT-4從文章中提取數據，CGCNN模型準確度達0.77。模型預測40,000種材料的發射波長，並進行遷移學習微調。這種流程減少人工監督，適用於各領域。 PubMed DOI

Generative Quantum Machine Learning via Denoising Diffusion Probabilistic Models.
通過去噪擴散概率模型實現生成式量子機器學習。 Phys Rev Lett 2024-03-22

深度生成模型在電腦視覺、文本生成和大型語言模型中扮演重要角色。其中，去噪擴散概率模型（DDPMs）在電腦視覺領域引起關注，能生成多樣且高質量的樣本。量子生成模型利用纏繞和超位置，提供新的學習方式。我們提出了QuDDPM的量子去噪擴散概率模型，透過電路層提升表達能力，並進行多個訓練任務以避免問題。QuDDPM在學習量子數據結構上表現有效，是一個多才多藝且高效的量子生成學習方法。 PubMed DOI

Application of Deep Learning for Studying NMDA Receptors.
應用深度學習研究NMDA受體。 Methods Mol Biol 2024-05-10

人工智慧近年來進步神速，像ChatGPT等模型已經相當厲害。不過，將AI用在非專業領域還是有挑戰。為此，Uni-Mol模型開發了線上工具，專注於中樞神經系統疾病藥物開發，包括NMDA受體。這些工具像是BBB滲透性預測、QSAR分析和VD-gen分子生成模型，旨在幫助加速藥物研發，彌合AI技術與專家之間的鴻溝。 PubMed DOI

The Potential of Neural Network Potentials.
神經網絡勢的潛力。 ACS Phys Chem Au 2024-05-27

未來50年，物理化學將因量子化學和機器學習的進步而有大變革。等變神經網絡（NNPs）是關鍵創新，可快速又精確地進行分子模擬。這將實現狄拉克的統一物理學和化學的夢想，對材料、生物和地球科學有益。精確模擬將提供數據，用於自動化計算方法如擴散模型。大型語言模型（LLMs）將成為文獻審閱、編碼和科學寫作的重要工具。 PubMed DOI

Large Language Model-Based AI Agent for Organic Semiconductor Devices Research.
基於大型語言模型的有機半導體器件研究人工智慧代理。 Adv Mater 2024-05-30

這個工作整合了GPT-4語言模型與機器學習演算法，建立了一個人工智慧代理人，專門應用於OFETs。透過分析科學文獻，提取實驗參數，建立了一個龐大的OFETs資料庫。透過機器學習模型評估設備性能，提出了優化方案，改善了DP-DTT OFETs的電荷傳輸性能。這項研究展示了語言模型在有機光電器件領域的應用，拓展了研究可能性。 PubMed DOI

Network properties determine neural network performance.
網絡特性決定神經網絡的表現。 Nat Commun 2024-07-08

機器學習在社會扮演重要角色，推動技術進步如Alphago和ChatGPT，已整合到消費品如智慧手機和自駕車。儘管人工神經網路廣泛使用，但因模型配置和數據嘈雜，理解仍有挑戰。新數學框架將神經網路表現與特性聯繫，可用早期數據預測模型表現。框架引入神經容量指標，評估模型泛化能力，優於現有方法。 PubMed DOI

Photonics for Neuromorphic Computing: Fundamentals, Devices, and Opportunities.
光子學在神經形態計算中的基礎、裝置與機會。 Adv Mater 2024-07-16

討論了大型AI模型和龐大數據的崛起，摩爾定律接近極限，需求替代計算，以及受到大腦啟發的神經形態計算潛力。透過光電子器件推動光子計算增長，實現低延遲和高並行性的超快AI神經網絡。檢視了神經形態光子AI加速器中的PCSEL激光等技術，提出創新途徑增強計算速度和能源效率。光子神經形態系統有望改變AI和科學計算。 PubMed DOI

Enabling Energy-Efficient Deployment of Large Language Models on Memristor Crossbar: A Synergy of Large and Small.
在 Memristor Crossbar 上實現大型語言模型的能源效率部署：大與小的協同作用。 IEEE Trans Pattern Anal Mach Intell 2024-10-18

大型語言模型（LLMs）因應用廣泛而受到重視，但其訓練和部署的計算需求也隨之增加。記憶電阻交叉陣列（memristor crossbars）因其小巧和高能效，成為解決方案，特別適合計算機視覺任務。然而，將LLMs部署在此技術上面臨三大挑戰：1. LLM增長超出記憶電阻晶片能力；2. 多頭注意力區塊需非靜態乘法，傳統技術無法處理；3. 複雜非線性運算表現不佳。為解決這些問題，我們提出新架構，能在單晶片上部署LLMs，測試顯示準確度損失極小，並顯著降低能量消耗。 PubMed DOI

ChatDiff: A ChatGPT-based diffusion model for long-tailed classification.
ChatDiff: 基於 ChatGPT 的長尾分類擴散模型。 Neural Netw 2024-10-19

這篇論文介紹了ChatDiff，一種新穎的信息增強方法，旨在解決深度學習中的長尾數據問題。長尾分佈會導致某些類別數據稀缺，影響模型學習。ChatDiff透過從ChatGPT-3.5提取知識，增強這些類別的特徵，並利用條件擴散模型生成多樣化的正樣本，同時過濾掉負樣本以提升分類性能。實驗結果顯示，ChatDiff在多個長尾數據集上有效改善了代表性不足類別的分類效果。 PubMed DOI

Discovering Photoswitchable Molecules for Drug Delivery with Large Language Models and Chemist Instruction Training.
利用大型語言模型和化學家指導訓練發現可光開關的藥物傳遞分子。 Pharmaceuticals (Basel) 2024-10-26

大型語言模型（LLMs）在藥物傳遞材料設計中展現潛力。我們使用Hugging Face的Transformers套件，透過BigBird、Gemma和GPT NeoX等架構進行預訓練和微調，並結合化學家的指導進行優化。研究結果顯示，整合化學見解對於提升模型性能至關重要。我們設計了光響應藥物傳遞分子，並探討了人類反饋在強化學習中的角色。最終，我們建立了一個高效的設計流程，但缺乏專門數據集仍是挑戰。 PubMed DOI

原始文章

站上相關主題文章列表