傳統的飲食評估方式可能不夠客觀且耗時，但現在有人工智慧（AI）解決方案可以自動化這個過程。這項研究使用GPT-4V模型驅動ChatGPT進行飲食評估，表現出在檢測食物和識別菜餚方面的潛力。這個方法不需要特定訓練數據，並且可以根據上下文提示來估計食物份量，提高評估的準確性。 PubMed DOI

最近人工智慧的進步已經讓強大的人工智慧系統被運用在營養領域，以提升個人化的飲食建議和整體健康。這篇論文介紹了一種新的基於人工智慧的營養建議方法，利用深度生成網絡和新穎的損失函數來符合既定的營養指南。透過分析用戶數據並根據能量需求調整餐食份量，這方法能夠生成準確、營養豐富且個人化的每週餐食計畫。同時結合ChatGPT以增加餐食多樣性，這方法在為用戶打造適合的餐食計畫上表現優異，實驗結果顯示對虛擬和真實用戶的適用性。 PubMed DOI

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

這篇論文介紹了一種創新的方法，運用生成式人工智慧（AI）來提升用戶在設備上儲存的電子教科書和研究論文的學習體驗。這項新技術不同於傳統的電子搜尋和索引，能顯著改善自學能力。解決方案完全在用戶的機器上運行，方便又具成本效益，且設置和自訂個人內容所需的技術知識非常少，十分友善。 PubMed DOI

這項研究探討大型語言模型（LLMs）在粒子加速器自動調整的應用，傳統上需要專業的優化和機器學習知識。研究顯示，LLMs能透過簡單的自然語言提示有效調整加速器子系統，並與先進的優化技術如貝葉斯優化和強化學習進行比較。結果顯示，LLMs能處理複雜的非線性數值優化，顯示其在日常操作中簡化自動調整算法的潛力，並可能促進自動化技術在加速器系統的應用。 PubMed DOI

人工智慧（AI）透過深度學習技術，特別是卷積神經網絡（CNNs），已在各領域帶來重大變革。自1990年代Yann LeCun提出以來，CNNs被廣泛應用於醫療診斷、自動駕駛、金融預測及圖像識別等。分析化學方面，深度學習提升了質譜、核磁共振等數據分析的效果。隨著大型語言模型（LLMs）如ChatGPT的興起，自然語言處理也獲得了新動力。本文探討如何利用智能手機和LLM進行激光誘導擊穿光譜（LIBS）數據的互動式分析，顯示LLMs在未來分析化學中的重要性。 PubMed DOI

最近人工智慧（AI）領域的進展，越來越多地結合大型語言模型（LLMs）與專門工具，如搜尋引擎和模擬器。不過，這些系統多由專家設計，調整過程繁瑣，影響進步速度。為了解決這個問題，我們提出了TextGrad，一個透過反向傳播優化AI系統的靈活框架。它能自動增強系統內部組件，並使用自然語言反饋，應用於解決科學問題、優化治療計畫、設計分子等，為科學家和工程師提供創建生成式AI系統的便利工具。 PubMed DOI

最近，人工智慧在分子設計上有了新進展，讓合成化學家能更輕鬆地創造特定功能的分子。雖然已有多款AI分子生成器，但使用這些工具仍需專業知識。為了解決這個問題，我們開發了ChatChemTS，一個基於大型語言模型的聊天機器人，透過簡單對話幫助設計新分子，並自動生成獎勵函數。我們的研究展示了它在設計色素和抗癌藥物方面的能力。ChatChemTS已開源，並可在GitHub上獲得，網址是 https://github.com/molecule-generator-collection/ChatChemTS。這項技術讓更多人能輕鬆使用AI進行分子設計。 PubMed DOI

這項研究比較 ChatGPT-3.5、ChatGPT-4o 和 Google Gemini 在製作兒童近視衛教資料的表現。結果發現，三款 AI 都能產出正確、易懂的內容，但只有 ChatGPT-3.5 和 4o 能穩定達到國小六年級的閱讀程度。ChatGPT-4o 在內容品質和易讀性上表現最好，但三者都缺乏高度可執行的建議。整體來說，ChatGPT-4o 最有潛力用來優化兒童近視衛教資料。 PubMed DOI

**重點摘要：** 大型語言模型（LLMs）可以協助非專業人士設計奈米光子元件，例如多層薄膜和超表面，透過對話互動來模擬光學反應並產生最佳化設計。將LLMs用相關資料進行微調後，能進一步提升它們依照需求產生設計的能力，讓奈米光子設計變得更快速、更容易上手。 PubMed DOI