From 815da544a78f50206df3beb09a1c3b8d80c7067c Mon Sep 17 00:00:00 2001 From: 886768 <885768299@qq.com> Date: Fri, 13 Jun 2025 16:10:09 +0800 Subject: [PATCH] Update README.md MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit 5 月份论文解读更新 --- README.md | 2450 ++++++++++++++++++++++++++++++++--------------------- 1 file changed, 1503 insertions(+), 947 deletions(-) diff --git a/README.md b/README.md index 17289d2..c93af14 100644 --- a/README.md +++ b/README.md @@ -1,5 +1,4 @@ # Awesome AI for Science - - [**前言**](#前言) - [**AI+ 生物医药：AI+Biopharmaceutical**](#ai---生物医药aibiopharmaceutical) - [**1. AdaDR 在药物重定位方面的性能优于多个基准方法**](#1-adadr-在药物重定位方面的性能优于多个基准方法) @@ -58,6 +57,19 @@ - [**54. 医学语言模型 MedFound，推理能力接近专家医师**](#54-医学语言模型-medfound推理能力接近专家医师) - [**55. 4D 扩散模型 AlphaFolding，填补蛋白质动态结构预测空白**](#55-4d-扩散模型-alphafolding填补蛋白质动态结构预测空白) - [**56. 可设计短蛋白质的 PepPrCLIP 流程，有望开发癌症新疗法**](#56-可设计短蛋白质的-pepprclip-流程有望开发癌症新疗法) + - [**57. 玻尔兹曼对齐技术大幅提高蛋白质结合自由能预测效能**](#57-玻尔兹曼对齐技术大幅提高蛋白质结合自由能预测效能) + - [**58. 新型大规模流式蛋白质主链生成器 Proteina，从头设计蛋白质主链性能达 SOTA**](#58-新型大规模流式蛋白质主链生成器-proteina从头设计蛋白质主链性能达-sota) + - [**59. UniGEM 模型，首次基于扩散模型实现两任务协同增强**](#59-unigem-模型首次基于扩散模型实现两任务协同增强) + - [**60. RFdiffusion 再进化，实现原子级精度的抗体从头设计**](#60-rfdiffusion-再进化实现原子级精度的抗体从头设计) + - [**61. 首个蛋白质-RNA 语言模型融合方案，结合亲和力预测刷新 SOTA**](#61-首个蛋白质-rna-语言模型融合方案结合亲和力预测刷新-sota) + - [**62. 虚拟组织模型 Celcomen，首次在空间转录组学分析中实现因果推断可识别性**](#62-虚拟组织模型-celcomen首次在空间转录组学分析中实现因果推断可识别性) + - [**63. AlphaFold-Metainference 方法，精准预测无序蛋白质结构集合**](#63-alphafold-metainference-方法精准预测无序蛋白质结构集合) + - [**64. 高精度 RNA 结构预测框架 DRfold2，多项基准测试超越 SOTA**](#64-高精度-rna-结构预测框架-drfold2多项基准测试超越-sota) + - [**65. 蛋白质设计新算法 DRAKES，突破生物序列设计瓶颈**](#65-蛋白质设计新算法-drakes突破生物序列设计瓶颈) + - [**66. 机器学习辅助的紫外吸收光谱法检测微生物污染**](#66-机器学习辅助的紫外吸收光谱法检测微生物污染) + - [**67. 利用蛋白质序列生成模型实现重叠基因设计**](#67-利用蛋白质序列生成模型实现重叠基因设计) + - [**68. 预测框架 Predictions of Unseen Proteins’ Subcellular localization（PUPS），实现单细胞级蛋白质定位**](#68-预测框架-predictions-of-unseen-proteins-subcellular-localizationpups实现单细胞级蛋白质定位) + - [**69. 首个跨分子种类统一生成框架 UniMoMo，实现多类型药物分子设计**](#69-首个跨分子种类统一生成框架-unimomo实现多类型药物分子设计) - [**AI+ 医疗健康：AI+Healthcare**](#ai---医疗健康aihealthcare) - [**1. 深度学习系统 DeepDR Plus 用眼底图像预测糖尿病视网膜病变**](#1-深度学习系统-deepdr-plus-用眼底图像预测糖尿病视网膜病变) - [**2. 逻辑回归模型分析高绿色景观指数可降低 MetS 风险**](#2-逻辑回归模型分析高绿色景观指数可降低-mets-风险) @@ -100,6 +112,19 @@ - [**39. 图像分割模型 ConDSeg，解决医学图像分割软边界与共现难题**](#39-图像分割模型-condseg解决医学图像分割软边界与共现难题) - [**40. 医学模型 M³FM，可用于零样本临床诊断，支持疾病报告和疾病分类**](#40-医学模型-mfm可用于零样本临床诊断支持疾病报告和疾病分类) - [**41. 基于深度学习凭颅骨 CT 鉴定性别，赶超人类法医**](#41-基于深度学习凭颅骨-ct-鉴定性别赶超人类法医) + - [**42. AI 助力医学研究，大模型可成为基层医生培训「黄金搭档」**](#42-ai-助力医学研究大模型可成为基层医生培训黄金搭档) + - [**43. AcneDGNet 的深度学习算法实现痤疮病变检测与分级**](#43-acnedgnet-的深度学习算法实现痤疮病变检测与分级) + - [**44. 发布多模态医学影像分割模型 VISTA3D，实现三维影像自动分割与交互**](#44-发布多模态医学影像分割模型-vista3d实现三维影像自动分割与交互) + - [**45. 多切面超声心动图统一分割模型 EchoONE，可精准分割多切面超声心动图**](#45-多切面超声心动图统一分割模型-echoone可精准分割多切面超声心动图) + - [**46. 多智能体对话框架模拟医生会诊，助力疾病诊断**](#46-多智能体对话框架模拟医生会诊助力疾病诊断) + - [**47. 深度学习框架 STAIG，揭示肿瘤微环境中的详细基因信息**](#47-深度学习框架-staig揭示肿瘤微环境中的详细基因信息) + - [**48. 首个全模态医疗图像重识别框架 MaMI，在 11 个数据集上的评测达 SOTA**](#48-首个全模态医疗图像重识别框架-mami在-11-个数据集上的评测达-sota) + - [**49. 多对一回归模型 M2OST，利用数字病理图像精准预测基因表达**](#49-多对一回归模型-m2ost利用数字病理图像精准预测基因表达) + - [**50. 大脑磁共振成像扫描工具 MindGlide，实现多发性硬化症病变量化**](#50-大脑磁共振成像扫描工具-mindglide实现多发性硬化症病变量化) + - [**51. 多示例学习框架 HDMIL，快速处理千兆像素病理全切片图像**](#51-多示例学习框架-hdmil快速处理千兆像素病理全切片图像) + - [**52. 通用 3D 血管分割基础模型 vesselFM，性能远超 SAM 系模型**](#52-通用-3d-血管分割基础模型-vesselfm性能远超-sam-系模型) + - [**53. 通过图神经网络精准预测肺癌患者生存期，发现 3 类致命亚型**](#53-通过图神经网络精准预测肺癌患者生存期发现-3-类致命亚型) + - [**54. 融合策略 AI 模型预测感染性休克死亡风险**](#54-融合策略-ai-模型预测感染性休克死亡风险) - [**AI+ 材料化学：AI+Materials Chemistry**](#ai-材料化学aimaterials-chemistry) - [**1. 高通量计算框架 33 分钟生成 12 万种新型 MOFs 候选材料**](#1-高通量计算框架-33-分钟生成-12-万种新型-mofs-候选材料) - [**2. 机器学习算法模型筛选 P-SOC 电极材料**](#2-机器学习算法模型筛选-p-soc-电极材料) @@ -132,6 +157,9 @@ - [**29. 梯度提升决策树 (GBDT) 技术，进一步提高高熵合金抗氧化性能的高精度预测**](#29-梯度提升决策树-gbdt-技术进一步提高高熵合金抗氧化性能的高精度预测) - [**30. 分子设计 RingFormer 框架，更精准预测有机材料分子光电性能**](#30-分子设计-ringformer-框架更精准预测有机材料分子光电性能) - [**31. 无机逆合成规划方法 Retrieval-Retro，提高无机材料合成的效率和准确性**](#31-无机逆合成规划方法-retrieval-retro提高无机材料合成的效率和准确性) + - [**32. 以大模型解析氢化物固态电解质传导机制，建立可靠活化能预测模型**](#32-以大模型解析氢化物固态电解质传导机制建立可靠活化能预测模型) + - [**33. 基于机器学习实现万亿级质谱数据搜索，发现未知化学反应**](#33-基于机器学习实现万亿级质谱数据搜索发现未知化学反应) + - [**34. 基于扩散模型的生成式人工智能结构解析方法 PXRDnet，成功解析 200 种复杂模拟纳米晶体**](#34-基于扩散模型的生成式人工智能结构解析方法-pxrdnet成功解析-200-种复杂模拟纳米晶体) - [**AI+动植物科学：AI+Zoology-Botany**](#ai动植物科学aizoology-botany) - [**1. SBeA 基于少样本学习框架进行动物社会行为分析**](#1-sbea-基于少样本学习框架进行动物社会行为分析) - [**2. 基于孪生网络的深度学习方法，自动捕捉胚胎发育过程**](#2-基于孪生网络的深度学习方法自动捕捉胚胎发育过程) @@ -156,6 +184,7 @@ - [**2. 综述：从雹暴中心收集数据，利用大模型预测极端天气**](#2-综述从雹暴中心收集数据利用大模型预测极端天气) - [**3. 利用全球风暴解析模拟与机器学习，创建新算法，准确预测极端降水**](#3-利用全球风暴解析模拟与机器学习创建新算法准确预测极端降水) - [**4. 基于随机森林的机器学习模型 CSU-MLP，预测中期恶劣天气**](#4-基于随机森林的机器学习模型-csu-mlp预测中期恶劣天气) + - [**5. 端到端数据驱动天气预报系统 Aardvark Weather，预测速度超传统方法数十倍**](#5-端到端数据驱动天气预报系统-aardvark-weather预测速度超传统方法数十倍) - [**AI+ 天文学：AI+Astronomy**](#ai-天文学aiastronomy) - [**1. PRIMO 算法学习黑洞周围的光线传播规律，重建出更清晰的黑洞图像**](#1-primo-算法学习黑洞周围的光线传播规律重建出更清晰的黑洞图像) - [**2. 利用模拟数据训练计算机视觉算法，对天文图像进行锐化「还原」**](#2-利用模拟数据训练计算机视觉算法对天文图像进行锐化还原) @@ -175,6 +204,7 @@ - [**9. 首个海洋大语言模型 OceanGPT 入选 ACL 2024！水下具身智能成现实**](#9-首个海洋大语言模型-oceangpt-入选-acl-2024水下具身智能成现实) - [**10. AI 预测预测全球变暖状况**](#10-ai-预测预测全球变暖状况) - [**11. GeoAI 新模型，解释青藏高原地表热流分布**](#11-geoai-新模型解释青藏高原地表热流分布) + - [**12. 「问海」海洋环境智能预报大模型，性能优于数值海洋预报**](#12-问海海洋环境智能预报大模型性能优于数值海洋预报) - [**AI4S 政策解读：AI4S Policy**](#ai4s-政策解读ai4s-policy) - [**1. 科技部出台政策防范学术界 AI 枪手**](#1-科技部出台政策防范学术界-ai-枪手) - [**2. 政策：科技部会同自然科学基金委启动「人工智能驱动的科学研究」( AI for Science ) 专项部署工作**](#2-政策科技部会同自然科学基金委启动人工智能驱动的科学研究-ai-for-science--专项部署工作) @@ -203,6 +233,7 @@ - [**22. 快速自动扫描套件 FAST 高效获取样本信息**](#22-快速自动扫描套件-fast-高效获取样本信息) - [**23. 人口动态基础模型 PDFM 已开源，精准预测美国失业率和贫困率**](#23-人口动态基础模型-pdfm-已开源精准预测美国失业率和贫困率) - [**24. 深度学习模型 CatGWR，估计空间非平稳性**](#24-深度学习模型-catgwr估计空间非平稳性) + ## **前言** 从 2020 年开始，以 AlphaFold 为代表的科研项目将 AI for Science (AI4S) 推向了 AI 应用的主舞台。近年来，从生物医药到天文气象、再到材料化学等基础学科，都成为了 AI 的新战场。 @@ -221,2028 +252,2553 @@ ### **1. [AdaDR 在药物重定位方面的性能优于多个基准方法](https://hyper.ai/news/30434)** -* **中文解读：** [https://hyper.ai/news/30434](https://hyper.ai/news/30434) +- **中文解读：** [https://hyper.ai/news/30434](https://hyper.ai/news/30434) -* **科研团队：** 中南大学李敏研究团队 +- **科研团队：** 中南大学李敏研究团队 -* **相关研究：** Gdataset 数据集、Cdataset 数据集、Ldataset 数据集、LRSSL 数据集、GCNs 框架、AdaDR +- **相关研究：** Gdataset 数据集、Cdataset 数据集、Ldataset 数据集、LRSSL 数据集、GCNs 框架、AdaDR -* **发布期刊：** Bioinformatics, 2024.01 +- **发布期刊：** Bioinformatics, 2024.01 -* **论文链接：** [Drug repositioning with adaptive graph convolutional networks](https://academic.oup.com/bioinformatics/article/40/1/btad748/7467059 -) +- **论文链接：** [Drug repositioning with adaptive graph convolutional networks](https://academic.oup.com/bioinformatics/article/40/1/btad748/7467059) ### **2. [IMN4NPD 加快分子网络中广泛集群的去复制，对自循环与成对节点提供标注](https://hyper.ai/news/30363)** -* **中文解读：** [https://hyper.ai/news/30363](https://hyper.ai/news/30363) +- **中文解读：** [https://hyper.ai/news/30363](https://hyper.ai/news/30363) -* **科研团队：** 中南大学刘韶研究团队 +- **科研团队：** 中南大学刘韶研究团队 -* **相关研究：** MS/MS 光谱数据库、Structure 数据库、molDiscovery、NPClassifier、molDiscovery、t-SNE +- **相关研究：** MS/MS 光谱数据库、Structure 数据库、molDiscovery、NPClassifier、molDiscovery、t-SNE -* **发布期刊：** Analytical Chemistry, 2024.02 +- **发布期刊：** Analytical Chemistry, 2024.02 -* **论文链接：** [IMN4NPD: An Integrated Molecular Networking Workflow for Natural Product Dereplication](https://doi.org/10.1021/acs.analchem.3c04746) +- **论文链接：** [IMN4NPD: An Integrated Molecular Networking Workflow for Natural Product Dereplication](https://doi.org/10.1021/acs.analchem.3c04746) ### **3. [深度生成模型 MIDAS 用于单细胞多组学数据马赛克整合](https://hyper.ai/news/29785)** -* **中文解读：** [https://hyper.ai/news/29785](https://hyper.ai/news/29785) +- **中文解读：** [https://hyper.ai/news/29785](https://hyper.ai/news/29785) -* **科研团队：** 军事医学研究院应晓敏研究团队 +- **科研团队：** 军事医学研究院应晓敏研究团队 -* **相关研究：** IPBMC 数据集、dogma-full 数据集、teadog-full 数据集、MMIDAS、self-supervised learning、information-theoretic approaches、深度神经网络、SGVB、单细胞多组学马赛克数据 +- **相关研究：** IPBMC 数据集、dogma-full 数据集、teadog-full 数据集、MMIDAS、self-supervised learning、information-theoretic approaches、深度神经网络、SGVB、单细胞多组学马赛克数据 -* **发布期刊：** Nature Biotechnology, 2024.01 +- **发布期刊：** Nature Biotechnology, 2024.01 -* **论文链接：** [Mosaic integration and knowledge transfer of single-cell multimodal data with MIDAS](https://www.nature.com/articles/s41587-023-02040-y) +- **论文链接：** [Mosaic integration and knowledge transfer of single-cell multimodal data with MIDAS](https://www.nature.com/articles/s41587-023-02040-y) ### **4. [基于蛋白质口袋的 3D 分子生成模型——ResGen](https://hyper.ai/news/29026)** -* **中文解读：** [https://hyper.ai/news/29026](https://hyper.ai/news/29026) +- **中文解读：** [https://hyper.ai/news/29026](https://hyper.ai/news/29026) -* **科研团队：** 浙大侯廷军研究团队 +- **科研团队：** 浙大侯廷军研究团队 -* **相关研究：** CrossDock2020 数据集、全局自回归、原子自回归、并行多尺度建模、SBMG。比最优技术快 8 倍 +- **相关研究：** CrossDock2020 数据集、全局自回归、原子自回归、并行多尺度建模、SBMG。比最优技术快 8 倍 -* **发布期刊：** Nature Machine Intelligence, 2023.09 +- **发布期刊：** Nature Machine Intelligence, 2023.09 -* **论文链接：** [ResGen is a pocket-aware 3D molecular generation model based on parallel multiscale modelling](https://www.nature.com/articles/s42256-023-00712-7) +- **论文链接：** [ResGen is a pocket-aware 3D molecular generation model based on parallel multiscale modelling](https://www.nature.com/articles/s42256-023-00712-7) ### **5. [大模型 + 机器学习高精度预测酶动力学参数](https://hyper.ai/news/29000)** -* **中文解读：** [https://hyper.ai/news/29000](https://hyper.ai/news/29000) +- **中文解读：** [https://hyper.ai/news/29000](https://hyper.ai/news/29000) -* **科研团队：** 中科院罗小舟研究团队 +- **科研团队：** 中科院罗小舟研究团队 -* **相关研究：** kcat/Km 数据集、米氏常数数据集、pH 和温度数据集、DLKcat 数据集、UniKP 框架、ProtT5-XL-UniRef50、SMILES Transformer model、集成性模型、随机森林、极端随机树、线性回归模型 +- **相关研究：** kcat/Km 数据集、米氏常数数据集、pH 和温度数据集、DLKcat 数据集、UniKP 框架、ProtT5-XL-UniRef50、SMILES Transformer model、集成性模型、随机森林、极端随机树、线性回归模型 -* **发布期刊：** Nature Communications, 2023.12 +- **发布期刊：** Nature Communications, 2023.12 -* **论文链接：** [UniKP: a unified framework for the prediction of enzyme kinetic parameters](https://www.nature.com/articles/s41467-023-44113-1) +- **论文链接：** [UniKP: a unified framework for the prediction of enzyme kinetic parameters](https://www.nature.com/articles/s41467-023-44113-1) ### **6. [MIT 利用深度学习发现新型抗生素](https://hyper.ai/news/28886)** -* **中文解读：** [https://hyper.ai/news/28886](https://hyper.ai/news/28886) +- **中文解读：** [https://hyper.ai/news/28886](https://hyper.ai/news/28886) -* **科研团队：** MIT 研究团队 +- **科研团队：** MIT 研究团队 -* **相关研究：** Mcule 数据库、Broad Institute 数据库、图神经网络 Chemprop、深度学习。筛选出 3,646 种抗生素化合物 +- **相关研究：** Mcule 数据库、Broad Institute 数据库、图神经网络 Chemprop、深度学习。筛选出 3,646 种抗生素化合物 -* **发布期刊：** Nature, 2023.12 +- **发布期刊：** Nature, 2023.12 -* **论文链接：** [Discovery of a structural class of antibiotics with explainable deep learning](https://www.nature.com/articles/s41586-023-06887-8) +- **论文链接：** [Discovery of a structural class of antibiotics with explainable deep learning](https://www.nature.com/articles/s41586-023-06887-8) ### **7. [神经网络解密 GPCR-G 蛋白偶联选择性](https://hyper.ai/news/28361)** -* **中文解读：** [https://hyper.ai/news/28361](https://hyper.ai/news/28361) +- **中文解读：** [https://hyper.ai/news/28361](https://hyper.ai/news/28361) -* **科研团队：** 佛罗里达大学的研究团队 +- **科研团队：** 佛罗里达大学的研究团队 -* **相关研究：** 二元分类神经网络、机器学习、无监督深度学习模型。建立了包括不同哺乳动物的 124 种 GPCRs 的粗粒度模型 -* **发布期刊：** Cell Reports, 2023.09 +- **相关研究：** 二元分类神经网络、机器学习、无监督深度学习模型。建立了包括不同哺乳动物的 124 种 GPCRs 的粗粒度模型 +- **发布期刊：** Cell Reports, 2023.09 -* **论文链接：** [Rules and mechanisms governing G protein coupling selectivity of GPCRs](https://doi.org/10.1016/j.celrep.2023.113173) +- **论文链接：** [Rules and mechanisms governing G protein coupling selectivity of GPCRs](https://doi.org/10.1016/j.celrep.2023.113173) ### **8. [Macformer 将无环药物菲卓替尼大环化](https://hyper.ai/news/28189)** -* **中文解读：** [https://hyper.ai/news/28189](https://hyper.ai/news/28189) +- **中文解读：** [https://hyper.ai/news/28189](https://hyper.ai/news/28189) -* **科研团队：** 华东理工大学的李洪林课题组 - -* **相关研究：** ZINC 数据集、ChEMBL 数据库、深度学习模型、Transformer 架构、Macformer -* **发布期刊：** Nature Communication, 2023.07 - -* **论文链接：** [Macrocyclization of linear molecules by deep learning to facilitate macrocyclic drug candidates discovery](https://www.nature.com/articles/s41467-023-40219-8) +- **科研团队：** 华东理工大学的李洪林课题组 +- **相关研究：** ZINC 数据集、ChEMBL 数据库、深度学习模型、Transformer 架构、Macformer +- **发布期刊：** Nature Communication, 2023.07 +- **论文链接：** [Macrocyclization of linear molecules by deep learning to facilitate macrocyclic drug candidates discovery](https://www.nature.com/articles/s41467-023-40219-8) ### **9. [回归网络 + CGMD，预测百亿种多肽的自组装特性](https://hyper.ai/news/26408)** -* **中文解读：** [https://hyper.ai/news/26408](https://hyper.ai/news/26408) +- **中文解读：** [https://hyper.ai/news/26408](https://hyper.ai/news/26408) -* **科研团队：** 西湖大学的李文彬课题组 +- **科研团队：** 西湖大学的李文彬课题组 -* **相关研究：** 拉丁超立方采样、CGMD 模型、AP 预测模型、Transformer、MLP、TRN 模型。得到了五肽和十肽的 AP +- **相关研究：** 拉丁超立方采样、CGMD 模型、AP 预测模型、Transformer、MLP、TRN 模型。得到了五肽和十肽的 AP -* **发布期刊：** Advanced Science, 2023.09 +- **发布期刊：** Advanced Science, 2023.09 -* **论文链接：** [Deep Learning Empowers the Discovery of Self-Assembling Peptides with Over 10 Trillion Sequences](https://onlinelibrary.wiley.com/doi/full/10.1002/advs.202301544) +- **论文链接：** [Deep Learning Empowers the Discovery of Self-Assembling Peptides with Over 10 Trillion Sequences](https://onlinelibrary.wiley.com/doi/full/10.1002/advs.202301544) ### **10. [无监督学习预测 7100 万种基因突变](https://hyper.ai/news/26154)** -* **中文解读：** [https://hyper.ai/news/26154](https://hyper.ai/news/26154) +- **中文解读：** [https://hyper.ai/news/26154](https://hyper.ai/news/26154) -* **科研团队：** 谷歌DeepMind 研究团队 +- **科研团队：** 谷歌DeepMind 研究团队 -* **相关研究：** ClinVar 数据集、AlphaFold、弱标签学习、无监督学习、AlphaMissense +- **相关研究：** ClinVar 数据集、AlphaFold、弱标签学习、无监督学习、AlphaMissense -* **发布期刊：** Science, 2023.09 +- **发布期刊：** Science, 2023.09 -* **论文链接：** [Accurate proteome-wide missense variant effect prediction with AlphaMissense](https://www.science.org/doi/10.1126/science.adg7492) +- **论文链接：** [Accurate proteome-wide missense variant effect prediction with AlphaMissense](https://www.science.org/doi/10.1126/science.adg7492) ### **11. [基于图神经网络 (GNN) 开发气味分析 AI](https://hyper.ai/news/25952)** -* **中文解读：** [https://hyper.ai/news/25952](https://hyper.ai/news/25952) +- **中文解读：** [https://hyper.ai/news/25952](https://hyper.ai/news/25952) -* **科研团队：** Google Research 的分支 Osmo 公司 +- **科研团队：** Google Research 的分支 Osmo 公司 -* **相关研究：** GS-LF 数据库、GNN、贝叶斯优化算法。在 53% 的化学分子、55% 的气味描述词判断中优于人类 +- **相关研究：** GS-LF 数据库、GNN、贝叶斯优化算法。在 53% 的化学分子、55% 的气味描述词判断中优于人类 -* **发布期刊：** Science, 2023.08 +- **发布期刊：** Science, 2023.08 -* **论文链接：** [A principal odor map unifies diverse tasks in olfactory perception](https://www.science.org/doi/full/10.1126/science.ade4401) +- **论文链接：** [A principal odor map unifies diverse tasks in olfactory perception](https://www.science.org/doi/full/10.1126/science.ade4401) ### **12. [图神经网络筛选安全高效的抗衰老成分](https://hyper.ai/news/25822)** -* **中文解读：** [https://hyper.ai/news/25822](https://hyper.ai/news/25822) +- **中文解读：** [https://hyper.ai/news/25822](https://hyper.ai/news/25822) -* **科研团队：** 麻省理工学院的研究团队 +- **科研团队：** 麻省理工学院的研究团队 -* **相关研究：** 深度学习、GNN、卷积神经网络。Chemprop 模型的正预测率为 11.6%，高于人工筛选的 1.9% +- **相关研究：** 深度学习、GNN、卷积神经网络。Chemprop 模型的正预测率为 11.6%，高于人工筛选的 1.9% -* **发布期刊：** Nature Communications, 2023.05 +- **发布期刊：** Nature Communications, 2023.05 -* **论文链接：** [Discovering small-molecule senolytics with deep neural networks](https://www.nature.com/articles/s43587-023-00415-z) +- **论文链接：** [Discovering small-molecule senolytics with deep neural networks](https://www.nature.com/articles/s43587-023-00415-z) ### **13. [机器学习量化分析多巴胺的释放量和释放位置](https://hyper.ai/news/25153)** -* **中文解读：** [https://hyper.ai/news/25153](https://hyper.ai/news/25153) +- **中文解读：** [https://hyper.ai/news/25153](https://hyper.ai/news/25153) -* **科研团队：** 美国加利福尼亚大学伯克利分校的研究团队 +- **科研团队：** 美国加利福尼亚大学伯克利分校的研究团队 -* **相关研究：** SVM、RF、机器学习。对刺激强度的判断准确率达 0.832、对多巴胺释放脑区的判断准确率达 0.708 +- **相关研究：** SVM、RF、机器学习。对刺激强度的判断准确率达 0.832、对多巴胺释放脑区的判断准确率达 0.708 -* **发布期刊：** ACS Chemical Neuroscience, 2023.06 +- **发布期刊：** ACS Chemical Neuroscience, 2023.06 -* **论文链接：** [Identifying Neural Signatures of Dopamine Signaling with Machine Learning](https://pubs.acs.org/doi/full/10.1021/acschemneuro.3c00001) +- **论文链接：** [Identifying Neural Signatures of Dopamine Signaling with Machine Learning](https://pubs.acs.org/doi/full/10.1021/acschemneuro.3c00001) ### **14. [机器学习发现三种抗衰老药物](https://hyper.ai/news/24578)** -* **中文解读：** [https://hyper.ai/news/24578](https://hyper.ai/news/24578) +- **中文解读：** [https://hyper.ai/news/24578](https://hyper.ai/news/24578) -* **科研团队：** 梅奥诊所的 James L. Kirkland 博士等人 +- **科研团队：** 梅奥诊所的 James L. Kirkland 博士等人 -* **相关研究：** 机器学习、随机森林模型、5倍交叉验证、随机森林（RF）模型。发现抗衰老药物 Ginkgetin、Periplocin 和 Oleandrin +- **相关研究：** 机器学习、随机森林模型、5倍交叉验证、随机森林（RF）模型。发现抗衰老药物 Ginkgetin、Periplocin 和 Oleandrin -* **发布期刊：** Nature Communications, 2023.06 +- **发布期刊：** Nature Communications, 2023.06 -* **论文链接：** [Discovery of Senolytics using machine learning](https://www.nature.com/articles/s41467-023-39120-1) +- **论文链接：** [Discovery of Senolytics using machine learning](https://www.nature.com/articles/s41467-023-39120-1) ### **15. [深度学习筛选抑制鲍曼不动杆菌的新型抗生素](https://hyper.ai/news/24499)** -* **中文解读：** [https://hyper.ai/news/24499](https://hyper.ai/news/24499) +- **中文解读：** [https://hyper.ai/news/24499](https://hyper.ai/news/24499) -* **科研团队：** 麦克马斯特大学、麻省理工学院的研究团队 +- **科研团队：** 麦克马斯特大学、麻省理工学院的研究团队 -* **相关研究：** Broad 研究所的高通量筛选子库、机器学习、深度学习。筛选了大约 7,500 个分子，发现了一种名为 abaucin 的抗菌化合物 +- **相关研究：** Broad 研究所的高通量筛选子库、机器学习、深度学习。筛选了大约 7,500 个分子，发现了一种名为 abaucin 的抗菌化合物 -* **发布期刊：** Nature Chemical Biology, 2023.05 +- **发布期刊：** Nature Chemical Biology, 2023.05 -* **论文链接：** [Deep learning-guided discovery of an antibiotic targeting Acinetobacter baumannii](https://www.nature.com/articles/s41589-023-01349-8#access-options) +- **论文链接：** [Deep learning-guided discovery of an antibiotic targeting Acinetobacter baumannii](https://www.nature.com/articles/s41589-023-01349-8#access-options) ### **16. [机器学习模型应用于预测生物墨水可打印性](https://hyper.ai/news/24237)** -* **中文解读：** [https://hyper.ai/news/24237](https://hyper.ai/news/24237) +- **中文解读：** [https://hyper.ai/news/24237](https://hyper.ai/news/24237) -* **科研团队：** 圣地亚哥德孔波斯特拉大学、伦敦大学学院的研究团队 +- **科研团队：** 圣地亚哥德孔波斯特拉大学、伦敦大学学院的研究团队 -* **相关研究：** 机器学习模型、ANN、SVM、RF、kappa、R²、MAE。准确率高达 97.22% +- **相关研究：** 机器学习模型、ANN、SVM、RF、kappa、R²、MAE。准确率高达 97.22% -* **发布期刊：** International Journal of Pharmaceutics: X, 2023.12 +- **发布期刊：** International Journal of Pharmaceutics: X, 2023.12 -* **论文链接：** [Predicting pharmaceutical inkjet printing outcomes using machine learning](https://www.sciencedirect.com/science/article/pii/S2590156723000257) +- **论文链接：** [Predicting pharmaceutical inkjet printing outcomes using machine learning](https://www.sciencedirect.com/science/article/pii/S2590156723000257) ### **17. [机器学习分化多能干细胞](https://hyper.ai/news/23940)** -* **中文解读：** [https://hyper.ai/news/23940](https://hyper.ai/news/23940) +- **中文解读：** [https://hyper.ai/news/23940](https://hyper.ai/news/23940) -* **科研团队：** 北京大学赵扬课题组、张钰课题组联合北京交通大学刘一研课题组 +- **科研团队：** 北京大学赵扬课题组、张钰课题组联合北京交通大学刘一研课题组 -* **相关研究：** 活细胞成像技术、机器学习、弱监督模型、pix2pix 深度学习模型。分化效率从 21.6% ± 2.7% 提升至 88.8% ± 10.5% +- **相关研究：** 活细胞成像技术、机器学习、弱监督模型、pix2pix 深度学习模型。分化效率从 21.6% ± 2.7% 提升至 88.8% ± 10.5% -* **发布期刊：** Cell Discovery, 2023.06 +- **发布期刊：** Cell Discovery, 2023.06 -* **论文链接：** [A live-cell image-based machine learning strategy for reducing variability in PSC differentiation systems](https://www.nature.com/articles/s41421-023-00543-1) +- **论文链接：** [A live-cell image-based machine learning strategy for reducing variability in PSC differentiation systems](https://www.nature.com/articles/s41421-023-00543-1) ### **18. [机器学习模型预测长效注射剂药物释放速率](https://hyper.ai/news/33892)** -* **中文解读：** [https://hyper.ai/news/33892](https://hyper.ai/news/33892) -* **科研团队：** 多伦多大学研究团队 +- **中文解读：** [https://hyper.ai/news/33892](https://hyper.ai/news/33892) -* **相关研究：** MLR、Lasso、PLS、DT、RF、LGBM、XGB、自NGB、SVR、k-NN、NN、嵌套交叉验证、最远邻聚类算法 +- **科研团队：** 多伦多大学研究团队 -* **发布期刊：** Nature Communications, 2023.01 +- **相关研究：** MLR、Lasso、PLS、DT、RF、LGBM、XGB、自NGB、SVR、k-NN、NN、嵌套交叉验证、最远邻聚类算法 -* **论文链接：** [Machine learning models to accelerate the design of polymeric long-acting injectables](https://www.nature.com/articles/s41467-022-35343-w) +- **发布期刊：** Nature Communications, 2023.01 +- **论文链接：** [Machine learning models to accelerate the design of polymeric long-acting injectables](https://www.nature.com/articles/s41467-022-35343-w) ### **19. [机器学习算法有效预测植物抗疟性](https://hyper.ai/news/33883)** -* **中文解读：** [https://hyper.ai/news/33883](https://hyper.ai/news/33883) +- **中文解读：** [https://hyper.ai/news/33883](https://hyper.ai/news/33883) -* **科研团队：** 英国皇家植物园及圣安德鲁斯大学的研究团队 +- **科研团队：** 英国皇家植物园及圣安德鲁斯大学的研究团队 -* **相关研究：** Logit、SVC、XGB、BNN、GridSearchCV 算法、10 折分层交叉验证、马尔可夫链蒙特卡洛迭代。准确率为 0.67 +- **相关研究：** Logit、SVC、XGB、BNN、GridSearchCV 算法、10 折分层交叉验证、马尔可夫链蒙特卡洛迭代。准确率为 0.67 -* **发布期刊：** Frontiers in Plant Science, 2023.05 +- **发布期刊：** Frontiers in Plant Science, 2023.05 -* **论文链接：** [Machine learning enhances prediction of plants as potential sources of antimalarials](https://www.ncbi.nlm.nih.gov/pmc/articles/PMC10248027) +- **论文链接：** [Machine learning enhances prediction of plants as potential sources of antimalarials](https://www.ncbi.nlm.nih.gov/pmc/articles/PMC10248027) ### **20. [机器学习集成方法预测病毒蛋白片段免疫原性](https://hyper.ai/news/30786)** -* **中文解读：** [https://hyper.ai/news/30786](https://hyper.ai/news/30786) -* **科研团队：** 北京航空航天大学李静研究团队 +- **中文解读：** [https://hyper.ai/news/30786](https://hyper.ai/news/30786) + +- **科研团队：** 北京航空航天大学李静研究团队 -* **相关研究：** 蛋白质数据库 UniProt、Protegen 数据库、集成机器学习方法 VirusImmu、RF 、 XGBoost 、kNN、随机采样交叉验证 +- **相关研究：** 蛋白质数据库 UniProt、Protegen 数据库、集成机器学习方法 VirusImmu、RF 、 XGBoost 、kNN、随机采样交叉验证 -* **发布期刊：** bioRxiv, 2023.11 +- **发布期刊：** bioRxiv, 2023.11 -* **论文链接：** [VirusImmu: a novel ensemble machine learning approach for viral immunogenicity prediction](https://www.biorxiv.org/content/10.1101/2023.11.23.568426v1) +- **论文链接：** [VirusImmu: a novel ensemble machine learning approach for viral immunogenicity prediction](https://www.biorxiv.org/content/10.1101/2023.11.23.568426v1) ### **21. [用生成式 AI 开发新型抗生素](https://hyper.ai/news/31421)** -* **中文解读：** [https://hyper.ai/news/31421](https://hyper.ai/news/31421) -* **科研团队：** 麦马、斯坦福团队 +- **中文解读：** [https://hyper.ai/news/31421](https://hyper.ai/news/31421) -* **相关研究：** Pharmakon-1760 库、药物再利用中心数据库、合成小分子筛选集、蒙特卡洛树搜索 、生成式人工智能模型 SyntheMol。生成 24,335 个完整分子、设计出易于合成的新型化合物 +- **科研团队：** 麦马、斯坦福团队 -* **发布期刊：** Nature Machine Intelligence, 2024.03 +- **相关研究：** Pharmakon-1760 库、药物再利用中心数据库、合成小分子筛选集、蒙特卡洛树搜索 、生成式人工智能模型 SyntheMol。生成 24,335 个完整分子、设计出易于合成的新型化合物 -* **论文链接：** [Generative AI for designing and validating easily synthesizable and structurally novel antibiotics](https://www.nature.com/articles/s42256-024-00809-7 ) +- **发布期刊：** Nature Machine Intelligence, 2024.03 + +- **论文链接：** [Generative AI for designing and validating easily synthesizable and structurally novel antibiotics](https://www.nature.com/articles/s42256-024-00809-7 ) ### **22. [基于深度学习研发一种自动化、高速、多维的单粒子追踪系统](https://hyper.ai/news/31341)** -* **中文解读：** [https://hyper.ai/news/31341](https://hyper.ai/news/31341) -* **科研团队：** 厦门大学方宁教授团队 +- **中文解读：** [https://hyper.ai/news/31341](https://hyper.ai/news/31341) + +- **科研团队：** 厦门大学方宁教授团队 -* **相关研究：** 多维成像设备、双焦平面成像、视差显微镜、多维成像设备、卷积神经网络模型、抗噪性和鲁棒性 +- **相关研究：** 多维成像设备、双焦平面成像、视差显微镜、多维成像设备、卷积神经网络模型、抗噪性和鲁棒性 -* **发布期刊：** Nature Machine Intelligence, 2024.03 +- **发布期刊：** Nature Machine Intelligence, 2024.03 -* **论文链接：** [Deep Learning-Assisted Automated Multidimensional Single Particle Tracking in Living Cells](https://doi.org/10.1021/acs.nanolett.3c04870) +- **论文链接：** [Deep Learning-Assisted Automated Multidimensional Single Particle Tracking in Living Cells](https://doi.org/10.1021/acs.nanolett.3c04870) ### **23. [ProEnsemble 机器学习框架：优化进化通路启动子组合](https://hyper.ai/news/30594)** -* **中文解读：** [https://hyper.ai/news/30594](https://hyper.ai/news/30594) -* **科研团队：** 中科院罗小舟团队 +- **中文解读：** [https://hyper.ai/news/30594](https://hyper.ai/news/30594) + +- **科研团队：** 中科院罗小舟团队 -* **相关研究：** 合成生物、基因上位效应、自动化平台、十折交叉验证、集成模型、Gradient Boosting Regressor、Ridge Regressor、Gradient Boosting、通用型底盘高效合成黄酮类化合物 +- **相关研究：** 合成生物、基因上位效应、自动化平台、十折交叉验证、集成模型、Gradient Boosting Regressor、Ridge Regressor、Gradient Boosting、通用型底盘高效合成黄酮类化合物 -* **发布期刊：** ADVANCED SCIENCE, 2024.02 +- **发布期刊：** ADVANCED SCIENCE, 2024.02 -* **论文链接：** [Pathway Evolution Through a Bottlenecking-Debottlenecking Strategy and Machine Learning-Aided Flux Balancing](https://onlinelibrary.wiley.com/doi/full/10.1002/advs.202306935) +- **论文链接：** [Pathway Evolution Through a Bottlenecking-Debottlenecking Strategy and Machine Learning-Aided Flux Balancing](https://onlinelibrary.wiley.com/doi/full/10.1002/advs.202306935) ### **24. [微环境感知图神经网络 ProtLGN 指导蛋白质定向进化](https://hyper.ai/news/32246)** -* **中文解读：** [https://hyper.ai/news/32246](https://hyper.ai/news/32246) -* **科研团队：** 上海交通大学洪亮课题组 +- **中文解读：** [https://hyper.ai/news/32246](https://hyper.ai/news/32246) -* **相关研究：** 微环境感知图神经网络、轻量级图神经去噪网络、自监督预训练、等变图神经网络。超过 40% 的 PROTLGN 设计单点突变体蛋白质优于其野生型对应物 +- **科研团队：** 上海交通大学洪亮课题组 -* **发布期刊：** JOURNAL OF CHEMICAL INFORMATION AND MODELING, 2024.04 +- **相关研究：** 微环境感知图神经网络、轻量级图神经去噪网络、自监督预训练、等变图神经网络。超过 40% 的 PROTLGN 设计单点突变体蛋白质优于其野生型对应物 -* **论文链接：** [Protein Engineering with Lightweight Graph Denoising Neural Networks](https://pubs.acs.org/doi/10.1021/acs.jcim.4c00036) +- **发布期刊：** JOURNAL OF CHEMICAL INFORMATION AND MODELING, 2024.04 + +- **论文链接：** [Protein Engineering with Lightweight Graph Denoising Neural Networks](https://pubs.acs.org/doi/10.1021/acs.jcim.4c00036) ### **25. [深度学习模型 AlphaPPIMd：用于蛋白质-蛋白质复合物构象集合探索](https://hyper.ai/news/32435)** -* **中文解读：** [https://hyper.ai/news/32435](https://hyper.ai/news/32435) -* **科研团队：** 延世大学王建民团队 +- **中文解读：** [https://hyper.ai/news/32435](https://hyper.ai/news/32435) + +- **科研团队：** 延世大学王建民团队 -* **相关研究：** 深度学习、生成式 AI、Transformer、生成神经网络学习、分子动力学、barnase-barstar 复合物轨迹集、蛋白质数据库 Protein Data Bank、AlphaPPIMd 模型、自注意力机制、特征优化模块、注意力分数、全原子模型。模型的平均训练精度为 0.995、平均验证精度为 0.999 +- **相关研究：** 深度学习、生成式 AI、Transformer、生成神经网络学习、分子动力学、barnase-barstar 复合物轨迹集、蛋白质数据库 Protein Data Bank、AlphaPPIMd 模型、自注意力机制、特征优化模块、注意力分数、全原子模型。模型的平均训练精度为 0.995、平均验证精度为 0.999 -* **发布期刊：** Journal of Chemical Theory and Computation, 2024.05 +- **发布期刊：** Journal of Chemical Theory and Computation, 2024.05 -* **论文链接：** [Exploring the conformational ensembles of protein-protein complex with transformer-based generative model](https://pubs.acs.org/doi/10.1021/acs.jctc.4c00255) +- **论文链接：** [Exploring the conformational ensembles of protein-protein complex with transformer-based generative model](https://pubs.acs.org/doi/10.1021/acs.jctc.4c00255) ### **26. [新型肿瘤抑制蛋白降解剂 dp53m 可抑制癌细胞增殖](https://hyper.ai/news/32527)** -* **中文解读：** [https://hyper.ai/news/32527](https://hyper.ai/news/32527) -* **科研团队：** 西交利物浦大学慧湖药学院吴思晋教授、天津医科大学总医院谢松波教授、钟殿胜教授团队 +- **中文解读：** [https://hyper.ai/news/32527](https://hyper.ai/news/32527) -* **相关研究：** MD 模拟、迭代分子对接引导 post-SELEX 法。dp53m 可特异性识别 p53-R175H 蛋白，并对其进行降解 +- **科研团队：** 西交利物浦大学慧湖药学院吴思晋教授、天津医科大学总医院谢松波教授、钟殿胜教授团队 -* **发布期刊：** Science Bulletin, 2024.05 +- **相关研究：** MD 模拟、迭代分子对接引导 post-SELEX 法。dp53m 可特异性识别 p53-R175H 蛋白，并对其进行降解 -* **论文链接：** [An engineered DNA aptamer-based PROTAC for precise therapy of p53-R175H hotspot mutant-driven cancer](https://www.sciencedirect.com/science/article/pii/S2095927324003517) +- **发布期刊：** Science Bulletin, 2024.05 + +- **论文链接：** [An engineered DNA aptamer-based PROTAC for precise therapy of p53-R175H hotspot mutant-driven cancer](https://www.sciencedirect.com/science/article/pii/S2095927324003517) ### **27. [CVPR 最佳学生论文！多模态模型 BioCLIP 实现零样本学习](https://hyper.ai/news/32544)** -* **中文解读：** [https://hyper.ai/news/32544](https://hyper.ai/news/32544) -* **科研团队：** 俄亥俄州立大学 Jiaman Wu 团队 +- **中文解读：** [https://hyper.ai/news/32544](https://hyper.ai/news/32544) + +- **科研团队：** 俄亥俄州立大学 Jiaman Wu 团队 -* **相关研究：** 生物图像数据集 TreeOfLife-10M、多模态模型、计算机视觉、视觉编码器、文本编码器、自回归语言模型、模型在零样本和少样本任务中均表现出色 +- **相关研究：** 生物图像数据集 TreeOfLife-10M、多模态模型、计算机视觉、视觉编码器、文本编码器、自回归语言模型、模型在零样本和少样本任务中均表现出色 -* **发布期刊：** CVPR 2024, 2024.02 +- **发布期刊：** CVPR 2024, 2024.02 -* **论文链接：** [BIoCLIP: A Vision Foundation Model for the Tree of Life](https://openaccess.thecvf.com/content/CVPR2024/html/Stevens_BioCLIP_A_Vision_Foundation_Model_for_the_Tree_of_Life_CVPR_2024_paper.html) +- **论文链接：** [BIoCLIP: A Vision Foundation Model for the Tree of Life](https://openaccess.thecvf.com/content/CVPR2024/html/Stevens_BioCLIP_A_Vision_Foundation_Model_for_the_Tree_of_Life_CVPR_2024_paper.html) ### **28. [1 亿参数！细胞大模型 scFoundation 可对 2 万基因同时建模](https://hyper.ai/news/32623)** -* **中文解读：** [https://hyper.ai/news/32623](https://hyper.ai/news/32623) -* **科研团队：** 清华大学自动化系生命基础模型实验室主任张学工教授、电子系/AIR 马剑竹教授和百图生科宋乐博士 +- **中文解读：** [https://hyper.ai/news/32623](https://hyper.ai/news/32623) + +- **科研团队：** 清华大学自动化系生命基础模型实验室主任张学工教授、电子系/AIR 马剑竹教授和百图生科宋乐博士 -* **相关研究：** 人工智能细胞大模型、人类单细胞组学数据 DISCO，欧洲分子生物学实验室-欧洲生物信息学研究所数据库 EMBL-EBI、GEO 数据集，Single Cell Portal 数据集，HCA 数据集，hECA 数据集、Transformer、非对称的编码器-解码器结构、向量模块、RDA 建模 +- **相关研究：** 人工智能细胞大模型、人类单细胞组学数据 DISCO，欧洲分子生物学实验室-欧洲生物信息学研究所数据库 EMBL-EBI、GEO 数据集，Single Cell Portal 数据集，HCA 数据集，hECA 数据集、Transformer、非对称的编码器-解码器结构、向量模块、RDA 建模 -* **发布期刊：** Nature Methods, 2024.06 +- **发布期刊：** Nature Methods, 2024.06 -* **论文链接：** [Large-scale foundation model on single-cell transcriptomics](https://www.nature.com/articles/s41592-024-02305-7) +- **论文链接：** [Large-scale foundation model on single-cell transcriptomics](https://www.nature.com/articles/s41592-024-02305-7) ### **29. [入选顶会 ICML，蛋白质语言模型 ESM-AA 超越传统 SOTA](https://hyper.ai/news/32674)** -* **中文解读：** [https://hyper.ai/news/32674](https://hyper.ai/news/32674) +- **中文解读：** [https://hyper.ai/news/32674](https://hyper.ai/news/32674) -* **科研团队：** 清华大学周浩教授联合北京大学、南京大学和水木分子团队 +- **科研团队：** 清华大学周浩教授联合北京大学、南京大学和水木分子团队 -* **相关研究：** 蛋白质数据集 AlphaFold DB、蛋白质数据集 Dp 和一个分子数据集 Dm、解压缩、多尺度掩码语言建模 +- **相关研究：** 蛋白质数据集 AlphaFold DB、蛋白质数据集 Dp 和一个分子数据集 Dm、解压缩、多尺度掩码语言建模 -* **发布期刊：** ICML 2024, 2024.06 +- **发布期刊：** ICML 2024, 2024.06 -* **论文链接：** [ESM All-Atom: Multi-scale Protein Language Model for Unified Molecular Modeling](https://icml.cc/virtual/2024/poster/35119) +- **论文链接：** [ESM All-Atom: Multi-scale Protein Language Model for Unified Molecular Modeling](https://icml.cc/virtual/2024/poster/35119) ### **30. [SPACE 算法登 Cell 子刊！组织模块发现能力领先同类工具](https://hyper.ai/news/32738)** -* **中文解读：** [https://hyper.ai/news/32738](https://hyper.ai/news/32738) -* **科研团队：** 清华大学张强锋课题组 +- **中文解读：** [https://hyper.ai/news/32738](https://hyper.ai/news/32738) -* **相关研究：** 空间转录组学、STARmap 小鼠 PLA 数据集、MERFISH 小鼠 AB 数据集、MERFISH 小鼠 WB 数据集、Xenium 人类 BC 数据集、CosMx 人类 NSCLC 数据集、Visium 人脑数据集、编码器、邻近图解码器、基因表达解码器、空间邻近性、自监督学习 +- **科研团队：** 清华大学张强锋课题组 -* **发布期刊：** Cell Systems, 2024.06 +- **相关研究：** 空间转录组学、STARmap 小鼠 PLA 数据集、MERFISH 小鼠 AB 数据集、MERFISH 小鼠 WB 数据集、Xenium 人类 BC 数据集、CosMx 人类 NSCLC 数据集、Visium 人脑数据集、编码器、邻近图解码器、基因表达解码器、空间邻近性、自监督学习 -* **论文链接：** [Tissue module discovery in single-cell resolution spatial transcriptomics data via cell-cell interaction-aware cell embedding](https://www.cell.com/cell-systems/fulltext/S2405-4712(24)00124-8) +- **发布期刊：** Cell Systems, 2024.06 + +- **论文链接：** [Tissue module discovery in single-cell resolution spatial transcriptomics data via cell-cell interaction-aware cell embedding](https://www.cell.com/cell-systems/fulltext/S2405-4712(24)00124-8) ### **31. [基于 AlphaFold 实现新突破，揭示蛋白质动态多样性](https://hyper.ai/news/33075)** -* **中文解读：** [https://hyper.ai/news/33075](https://hyper.ai/news/33075) -* **科研团队：** 麻省理工学院研究团队 +- **中文解读：** [https://hyper.ai/news/33075](https://hyper.ai/news/33075) + +- **科研团队：** 麻省理工学院研究团队 -* **相关研究：** 流匹配技术、蛋白质语言模型、神经网络、AlphaFold、ESMFold +- **相关研究：** 流匹配技术、蛋白质语言模型、神经网络、AlphaFold、ESMFold -* **发布期刊：** ICML 2024, 2024.06 +- **发布期刊：** ICML 2024, 2024.06 -* **论文链接：** [AlphaFold Meets Flow Matching for Generating Protein Ensembles](https://openreview.net/forum?id=rs8Sh2UASt) +- **论文链接：** [AlphaFold Meets Flow Matching for Generating Protein Ensembles](https://openreview.net/forum?id=rs8Sh2UASt) ### **32. [基于扩散模型开发 P450 酶从头设计方法 P450Diffusion](https://hyper.ai/news/33057)** -* **中文解读：** [https://hyper.ai/news/33057](https://hyper.ai/news/33057) +- **中文解读：** [https://hyper.ai/news/33057](https://hyper.ai/news/33057) -* **科研团队：** 中国科学院天津工业生物技术研究所江会锋、程健团队 +- **科研团队：** 中国科学院天津工业生物技术研究所江会锋、程健团队 -* **相关研究：** 定向进化、扩散模型、深度学习、去噪扩散概率模型、三点固定、微调扩散模型 、预训练。催化能力提高 3.5 倍 +- **相关研究：** 定向进化、扩散模型、深度学习、去噪扩散概率模型、三点固定、微调扩散模型 、预训练。催化能力提高 3.5 倍 -* **发布期刊：** Research, 2024.07 +- **发布期刊：** Research, 2024.07 -* **论文链接：** [Cytochrome P450 Enzyme Design by Constraining the Catalytic Pocket in a Diffusion Model](https://spj.science.org/doi/10.34133/research.0413) +- **论文链接：** [Cytochrome P450 Enzyme Design by Constraining the Catalytic Pocket in a Diffusion Model](https://spj.science.org/doi/10.34133/research.0413) ### **33. [将等变图神经网络用于靶蛋白结合位点预测，性能提升 20%](https://hyper.ai/news/32957)** -* **中文解读：** [https://hyper.ai/news/32957](https://hyper.ai/news/32957) -* **科研团队：** 中国人民大学高瓴人工智能学院的研究团队 +- **中文解读：** [https://hyper.ai/news/32957](https://hyper.ai/news/32957) + +- **科研团队：** 中国人民大学高瓴人工智能学院的研究团队 -* **相关研究：** E(3) 等变图神经网络、卷积神经网络、EquiPocket 框架、scPDB 数据集、PDBbind 数据集、COACH 420 数据集、HOLO4K 数据集、局部几何建模模块、全局结构建模模块 、表面信息传递模块 +- **相关研究：** E(3) 等变图神经网络、卷积神经网络、EquiPocket 框架、scPDB 数据集、PDBbind 数据集、COACH 420 数据集、HOLO4K 数据集、局部几何建模模块、全局结构建模模块 、表面信息传递模块 -* **发布期刊：** ICML 2024, 2024.07 +- **发布期刊：** ICML 2024, 2024.07 -* **论文链接：** [EquiPocket: an E(3)-Equivariant Geometric Graph Neural Network for Ligand Binding Site Prediction](https://openreview.net/forum?id=1vGN3CSxVs) +- **论文链接：** [EquiPocket: an E(3)-Equivariant Geometric Graph Neural Network for Ligand Binding Site Prediction](https://openreview.net/forum?id=1vGN3CSxVs) ### **34. [20 个实验数据创造 AI 蛋白质里程碑！FSFP 有效优化蛋白质预训练模型](https://hyper.ai/news/32822)** -* **中文解读：** [https://hyper.ai/news/32822](https://hyper.ai/news/32822) -* **科研团队：** 上海交通大学自然科学研究院/物理天文学院/张江高研院/药学院洪亮教授课题组，联合上海人工智能实验室青年研究员谈攀团队 +- **中文解读：** [https://hyper.ai/news/32822](https://hyper.ai/news/32822) -* **相关研究：** 蛋白质突变数据集 ProteinGym、预训练蛋白质语言模型、元迁移学习、排序学习、参数高效微调、LTR 技术、有效优化蛋白质语言模型的训练策略 FSFP、模型无关元学习方法 +- **科研团队：** 上海交通大学自然科学研究院/物理天文学院/张江高研院/药学院洪亮教授课题组，联合上海人工智能实验室青年研究员谈攀团队 -* **发布期刊：** Nature Communications, 2024.07 +- **相关研究：** 蛋白质突变数据集 ProteinGym、预训练蛋白质语言模型、元迁移学习、排序学习、参数高效微调、LTR 技术、有效优化蛋白质语言模型的训练策略 FSFP、模型无关元学习方法 -* **论文链接：** [Enhancing efficiency of protein language models with minimal wet-lab data through few-shot learning](https://doi.org/10.1038/s41467-024-49798-6) +- **发布期刊：** Nature Communications, 2024.07 + +- **论文链接：** [Enhancing efficiency of protein language models with minimal wet-lab data through few-shot learning](https://doi.org/10.1038/s41467-024-49798-6) ### **35. [可迁移深度学习模型鉴定多类型 RNA 修饰、显著减少计算成本](https://hyper.ai/news/32745)** -* **中文解读：** [https://hyper.ai/news/32745](https://hyper.ai/news/32745) -* **科研团队：** 上海交通大学生命科学技术学院长聘教轨副教授余祥课题组，联合上海辰山植物园杨俊 / 王红霞团队 +- **中文解读：** [https://hyper.ai/news/32745](https://hyper.ai/news/32745) + +- **科研团队：** 上海交通大学生命科学技术学院长聘教轨副教授余祥课题组，联合上海辰山植物园杨俊 / 王红霞团队 -* **相关研究：** 可迁移深度学习模型 TandemMod、体外转录数据集 ELIGOS、Curlcake 数据集、体外表观转录组数据集 IVET、一维卷积神经网络、双向长短期记忆模块、注意力机制、全连接层 (full-connected layers) 的分类器 +- **相关研究：** 可迁移深度学习模型 TandemMod、体外转录数据集 ELIGOS、Curlcake 数据集、体外表观转录组数据集 IVET、一维卷积神经网络、双向长短期记忆模块、注意力机制、全连接层 (full-connected layers) 的分类器 -* **发布期刊：** Nature Communications, 2024.05 +- **发布期刊：** Nature Communications, 2024.05 -* **论文链接：** [Transfer learning enables identification of multiple types of RNA modifications using nanopore direct RNA sequencing](https://www.nature.com/articles/s41467-024-48437-4) +- **论文链接：** [Transfer learning enables identification of multiple types of RNA modifications using nanopore direct RNA sequencing](https://www.nature.com/articles/s41467-024-48437-4) ### **36. [InstructProtein：利用知识指令对齐蛋白质语言与人类语言](https://hyper.ai/news/33697)** -* **中文解读：** [https://hyper.ai/news/33697](https://hyper.ai/news/33697) -* **科研团队：** 浙江大学陈华钧、张强团队 +- **中文解读：** [https://hyper.ai/news/33697](https://hyper.ai/news/33697) + +- **科研团队：** 浙江大学陈华钧、张强团队 -* **相关研究：** 大语言模型、蛋白质知识指令数据集、Gene Ontology (GO) 数据集、InstructProtein、知识图谱、蛋白质位置预测、蛋白质功能预测 、蛋白质金属离子结合能力预测 +- **相关研究：** 大语言模型、蛋白质知识指令数据集、Gene Ontology (GO) 数据集、InstructProtein、知识图谱、蛋白质位置预测、蛋白质功能预测 、蛋白质金属离子结合能力预测 -* **发布期刊：** ACL 2024, 2023.10 +- **发布期刊：** ACL 2024, 2023.10 -* **论文链接：** [InstructProtein: Aligning Human and Protein Language via Knowledge Instruction](https://arxiv.org/abs/2310.03269) +- **论文链接：** [InstructProtein: Aligning Human and Protein Language via Knowledge Instruction](https://arxiv.org/abs/2310.03269) ### **37. [蛋白质-文本生成框架 ProtT3 实现蛋白质数据与文本信息跨模态解读](https://hyper.ai/news/33546)** -* **中文解读：** [https://hyper.ai/news/33546](https://hyper.ai/news/33546) -* **科研团队：** 中国科学技术大学王翔，联合新加坡国立大学刘致远团队、北海道大学研究团队 +- **中文解读：** [https://hyper.ai/news/33546](https://hyper.ai/news/33546) -* **相关研究：** 跨模态投影器、蛋白质语言模型、Swiss-Prot 和 ProteinKG25 数据集、PDB-QA 数据集 +- **科研团队：** 中国科学技术大学王翔，联合新加坡国立大学刘致远团队、北海道大学研究团队 -* **发布期刊：** ACL 2024, 2023.05 +- **相关研究：** 跨模态投影器、蛋白质语言模型、Swiss-Prot 和 ProteinKG25 数据集、PDB-QA 数据集 -* **论文链接：** [ProtT3: Protein-to-Text Generation for Text-based Protein Understanding](https://arxiv.org/abs/2405.12564) +- **发布期刊：** ACL 2024, 2023.05 + +- **论文链接：** [ProtT3: Protein-to-Text Generation for Text-based Protein Understanding](https://arxiv.org/abs/2405.12564) ### **38. [CPDiffusion 模型，超低成本、全自动设计功能型蛋白质](https://hyper.ai/news/34692)** -* **中文解读：** [https://hyper.ai/news/34692](https://hyper.ai/news/34692) -* **科研团队：** 上海交通大学自然科学研究院、物理与天文学院、张江高等研究院、药学院洪亮课题组 +- **中文解读：** [https://hyper.ai/news/34692](https://hyper.ai/news/34692) + +- **科研团队：** 上海交通大学自然科学研究院、物理与天文学院、张江高等研究院、药学院洪亮课题组 -* **相关研究：** 蛋白质工程、扩散概率模型框架 CPDiffusion、氨基酸、图神经网络、辅助药物设计、蛋白质语言模型、 CATH 4.2 数据集 +- **相关研究：** 蛋白质工程、扩散概率模型框架 CPDiffusion、氨基酸、图神经网络、辅助药物设计、蛋白质语言模型、 CATH 4.2 数据集 -* **发布期刊：** Cell Discovery, 2024.09 +- **发布期刊：** Cell Discovery, 2024.09 + +- **论文链接：** [A conditional protein diffusion model generates artificial programmable endonuclease sequences with enhanced activity](https://www.nature.com/articles/s41421-024-00728-2) -* **论文链接：** [A conditional protein diffusion model generates artificial programmable endonuclease sequences with enhanced activity](https://www.nature.com/articles/s41421-024-00728-2) ### **39. [基于蛋白质语言模型和密集检索技术，一种全新的蛋白质同源物检测方法](https://hyper.ai/news/34225)** -* **中文解读：** [https://hyper.ai/news/34225](https://hyper.ai/news/34225) -* **科研团队：** 香港中文大学李煜、复旦大学智能复杂体系实验室、上海人工智能实验室青年研究员孙思琦、耶鲁大学 Mark Gerstein +- **中文解读：** [https://hyper.ai/news/34225](https://hyper.ai/news/34225) + +- **科研团队：** 香港中文大学李煜、复旦大学智能复杂体系实验室、上海人工智能实验室青年研究员孙思琦、耶鲁大学 Mark Gerstein + +- **相关研究：** 蛋白质工程、蛋白质语言模型、密集检索技术、密集同源物检索器 、混合模型 DHR-meta、UR90 数据集、JackHMMER 算法、BFD/MGnify 数据集、DHR 方法。蛋白质同源物检测灵敏度提高 56% -* **相关研究：** 蛋白质工程、蛋白质语言模型、密集检索技术、密集同源物检索器 、混合模型 DHR-meta、UR90 数据集、JackHMMER 算法、BFD/MGnify 数据集、DHR 方法。蛋白质同源物检测灵敏度提高 56% +- **发布期刊：** Nature Biotechnology, 2024.08 -* **发布期刊：** Nature Biotechnology, 2024.08 +- **论文链接：** [Fast, sensitive detection of protein homologs using deep dense retrieval](https://doi.org/10.1038/s41587-024-02353-6) -* **论文链接：** [Fast, sensitive detection of protein homologs using deep dense retrieval](https://doi.org/10.1038/s41587-024-02353-6) ### **40. [AlphaProteo 可高效设计靶蛋白结合物，亲和力提高 300 倍](https://hyper.ai/news/34214)** -* **中文解读：** [https://hyper.ai/news/34214](https://hyper.ai/news/34214) -* **科研团队：** DeepMind、弗朗西斯·克里克研究所 +- **中文解读：** [https://hyper.ai/news/34214](https://hyper.ai/news/34214) -* **相关研究：** 蛋白质工程、蛋白质语言模型、AI 药物设计、靶蛋白 、AI 工具、机器学习模型 AlphaProteo、VEGF-A 蛋白结合体设计、生成模型 (Generator) 、过滤器 (Filter)。候选结合物与靶蛋白结合数量高出 5-100 倍 +- **科研团队：** DeepMind、弗朗西斯·克里克研究所 -* **发布期刊：** DeepMind, 2024.09 +- **相关研究：** 蛋白质工程、蛋白质语言模型、AI 药物设计、靶蛋白 、AI 工具、机器学习模型 AlphaProteo、VEGF-A 蛋白结合体设计、生成模型 (Generator) 、过滤器 (Filter)。候选结合物与靶蛋白结合数量高出 5-100 倍 + +- **发布期刊：** DeepMind, 2024.09 + +- **论文链接：** [AlphaProteo 为生物学和健康研究生成新型蛋白质](https://deepmind.google/discover/blog/alphaproteo-generates-novel-proteins-for-biology-and-health-research/) -* **论文链接：** [AlphaProteo 为生物学和健康研究生成新型蛋白质](https://deepmind.google/discover/blog/alphaproteo-generates-novel-proteins-for-biology-and-health-research/) ### **41. [全新去噪蛋白质语言模型 DePLM，突变效应预测优于 SOTA 模型](https://hyper.ai/cn/news/34954)** -* **中文解读：** [https://hyper.ai/cn/news/34954](https://hyper.ai/cn/news/34954) -* **科研团队：** 浙江大学计算机科学与技术学院、浙江大学国际联合学院、浙江大学杭州国际科创中心陈华钧教授、张强博士 +- **中文解读：** [https://hyper.ai/cn/news/34954](https://hyper.ai/cn/news/34954) + +- **科研团队：** 浙江大学计算机科学与技术学院、浙江大学国际联合学院、浙江大学杭州国际科创中心陈华钧教授、张强博士 -* **相关研究：** 去噪蛋白质语言模型 (DePLM)、ProteinGym 深度突变筛选 (DMS) 实验集合、DMS 数据集、随机交叉验证方法、泛化能力实验、基于排序信息的前向过程来扩展扩散模型以去噪进化信息、基于排序的去噪扩散过程、排序算法 (sorting algorithm) 生成轨迹、PromptProtein 模型 +- **相关研究：** 去噪蛋白质语言模型 (DePLM)、ProteinGym 深度突变筛选 (DMS) 实验集合、DMS 数据集、随机交叉验证方法、泛化能力实验、基于排序信息的前向过程来扩展扩散模型以去噪进化信息、基于排序的去噪扩散过程、排序算法 (sorting algorithm) 生成轨迹、PromptProtein 模型 -* **发布期刊：** NeurIPS 2024, 2024.11 +- **发布期刊：** NeurIPS 2024, 2024.11 + +- **论文链接：** [DePLM: Denoising Protein Language Models for Property Optimization](https://neurips.cc/virtual/2024/poster/95517 ) -* **论文链接：** [DePLM: Denoising Protein Language Models for Property Optimization](https://neurips.cc/virtual/2024/poster/95517 ) ### **42. [几何深度生成模型 DynamicBind，实现蛋白质动态对接预测](https://hyper.ai/cn/news/34894)** -* **中文解读：** [https://hyper.ai/cn/news/34894](https://hyper.ai/cn/news/34894) -* **科研团队：** 上海交通大学郑双佳课题组、星药科技、中山大学药学院、美国莱斯大学 +- **中文解读：** [https://hyper.ai/cn/news/34894](https://hyper.ai/cn/news/34894) + +- **科研团队：** 上海交通大学郑双佳课题组、星药科技、中山大学药学院、美国莱斯大学 + +- **相关研究：** PDBbind 数据集、MDT 测试集、深度扩散模型、等变几何神经网络技术、PDB 格式的类结构、小分子配体格式、contact-LDDT (cLDDT) 评分模块、AlphaFold 结构、亲和力预测模块、生成式人工智能技术 -* **相关研究：** PDBbind 数据集、MDT 测试集、深度扩散模型、等变几何神经网络技术、PDB 格式的类结构、小分子配体格式、contact-LDDT (cLDDT) 评分模块、AlphaFold 结构、亲和力预测模块、生成式人工智能技术 +- **发布期刊：** Nature Communications, 2024.2 -* **发布期刊：** Nature Communications, 2024.2 +- **论文链接：** [DynamicBind: predicting ligand-specific protein-ligand complex structure with a deep equivariant generative model](https://www.nature.com/articles/s41467-024-45461-2) -* **论文链接：** [DynamicBind: predicting ligand-specific protein-ligand complex structure with a deep equivariant generative model](https://www.nature.com/articles/s41467-024-45461-2) ### **43. [药物研发大语言模型 Y-Mol，性能全面领先 LLaMA2](https://hyper.ai/cn/news/35572)** -* **中文解读：** [https://hyper.ai/cn/news/35572](https://hyper.ai/cn/news/35572) -* **科研团队：** 湖南大学、中南大学、湖南师范大学、湘潭大学的研究团队 +- **中文解读：** [https://hyper.ai/cn/news/35572](https://hyper.ai/cn/news/35572) + +- **科研团队：** 湖南大学、中南大学、湖南师范大学、湘潭大学的研究团队 + +- **相关研究：** 多尺度生物医学知识指导的大语言模型 Y-Mol 、生物医学 PubMed 出版物的文本语料库、DrugBank 基准数据集、DrugCentral 基准数据集、LLaMA2-7b 大语言模型 -* **相关研究：** 多尺度生物医学知识指导的大语言模型 Y-Mol 、生物医学 PubMed 出版物的文本语料库、DrugBank 基准数据集、DrugCentral 基准数据集、LLaMA2-7b 大语言模型 +- **发布期刊：** arxiv, 2024.10 -* **发布期刊：** arxiv, 2024.10 +- **论文链接：** [Y-Mol: A Multiscale Biomedical Knowledge-Guided Large Language Model for Drug Development](https://doi.org/10.48550/arXiv.2410.11550) -* **论文链接：** [Y-Mol: A Multiscale Biomedical Knowledge-Guided Large Language Model for Drug Development](https://doi.org/10.48550/arXiv.2410.11550) ### **44. [通用分子逆折叠模型 UniIF，对 AlphaFold 3 形成进一步补充](https://hyper.ai/cn/news/35781)** -* **中文解读：** [https://hyper.ai/cn/news/35781](https://hyper.ai/cn/news/35781) -* **科研团队：** 西湖大学未来产业研究中心团队 -* **相关研究：** CATH4.3 数据集、ESM2 模型、CASP15 数据集、新晶体结构、NovelPro 数据集、RDesign 收集的数据集、CHILI-3K 数据集、基于氨基酸和核苷酸的预定义框架、GNN、几何特征提取器 (Geometric Featurizer) 、块图注意力层 (Block Graph Attention)。在蛋白质设计、 RNA 设计、材料设计上都优于其他对比的先进方法 +- **中文解读：** [https://hyper.ai/cn/news/35781](https://hyper.ai/cn/news/35781) -* **发布期刊：** NeurIPS 2024, 2024.5 +- **科研团队：** 西湖大学未来产业研究中心团队 +- **相关研究：** CATH4.3 数据集、ESM2 模型、CASP15 数据集、新晶体结构、NovelPro 数据集、RDesign 收集的数据集、CHILI-3K 数据集、基于氨基酸和核苷酸的预定义框架、GNN、几何特征提取器 (Geometric Featurizer) 、块图注意力层 (Block Graph Attention)。在蛋白质设计、 RNA 设计、材料设计上都优于其他对比的先进方法 + +- **发布期刊：** NeurIPS 2024, 2024.5 + +- **论文链接：** [UniIF: Unified Molecule Inverse Folding](https://arxiv.org/abs/2405.18968 ) -* **论文链接：** [UniIF: Unified Molecule Inverse Folding](https://arxiv.org/abs/2405.18968 ) ### **45. [预训练蛋白质语言模型 ProSST，更有效地整合蛋白质结构信息](https://hyper.ai/cn/news/35874)** -* **中文解读：** [https://hyper.ai/cn/news/35874](https://hyper.ai/cn/news/35874) -* **科研团队：** 海交通大学自然科学研究院/物理天文学院/张江高研院/药学院洪亮教授课题组，上海交大助理研究员周冰心，联合上海人工智能实验室青年研究员谈攀 -* **相关研究：** 预训练蛋白质语言模型 ProSST、Transformer、解耦注意力机制、蛋白质结构量化器、AlphaFoldDB 数据集、CATH43-S40 数据集、CATH43-S40 局部结构数据集、ProteinGYM 基准数据集。在热稳定性预测、金属离子结合预测、蛋白质定位预测、 GO 注释预测等任务中优于现有模型 +- **中文解读：** [https://hyper.ai/cn/news/35874](https://hyper.ai/cn/news/35874) + +- **科研团队：** 海交通大学自然科学研究院/物理天文学院/张江高研院/药学院洪亮教授课题组，上海交大助理研究员周冰心，联合上海人工智能实验室青年研究员谈攀 +- **相关研究：** 预训练蛋白质语言模型 ProSST、Transformer、解耦注意力机制、蛋白质结构量化器、AlphaFoldDB 数据集、CATH43-S40 数据集、CATH43-S40 局部结构数据集、ProteinGYM 基准数据集。在热稳定性预测、金属离子结合预测、蛋白质定位预测、 GO 注释预测等任务中优于现有模型 -* **发布期刊：** NeurIPS 2024, 2024.05 +- **发布期刊：** NeurIPS 2024, 2024.05 -* **论文链接：** [ProSST: Protein Language Modeling with Quantized Structure and Disentangled Attention](https://neurips.cc/virtual/2024/poster/96656) +- **论文链接：** [ProSST: Protein Language Modeling with Quantized Structure and Disentangled Attention](https://neurips.cc/virtual/2024/poster/96656) ### **46. [大环肽结合物框架 RFpeptides，为不可成药蛋白质提供新可能性](https://hyper.ai/cn/news/36150)** -* **中文解读：** [https://hyper.ai/cn/news/36150](https://hyper.ai/cn/news/36150) -* **科研团队：** 华盛顿蛋白质研究所所长 David Baker 团队 -* **相关研究：** 基于扩散模型的技术 RFpeptides、利用修饰的 RoseTTAFold 和具有循环相对位置编码的 RFdiffusion 来生成精确的大环骨架、药物开发、AlphaFold、循环相对位置编码机制、ProteinMPNN、Rosetta Relax。可实现靶向和高效的大环设计 -* **发布期刊：** bioRxiv, 2024.11 +- **中文解读：** [https://hyper.ai/cn/news/36150](https://hyper.ai/cn/news/36150) + +- **科研团队：** 华盛顿蛋白质研究所所长 David Baker 团队 +- **相关研究：** 基于扩散模型的技术 RFpeptides、利用修饰的 RoseTTAFold 和具有循环相对位置编码的 RFdiffusion 来生成精确的大环骨架、药物开发、AlphaFold、循环相对位置编码机制、ProteinMPNN、Rosetta Relax。可实现靶向和高效的大环设计 +- **发布期刊：** bioRxiv, 2024.11 + +- **论文链接：** [Accurate de novo design of high-affinity protein binding macrocycles using deep learning](https://doi.org/10.1101/2024.11.18.622547) -* **论文链接：** [Accurate de novo design of high-affinity protein binding macrocycles using deep learning](https://doi.org/10.1101/2024.11.18.622547) ### **47. [基因组基础模型 Evo，实现从分子到基因组尺度的预测与生成](https://hyper.ai/cn/news/36266)** -* **中文解读：** [https://hyper.ai/cn/news/36266](https://hyper.ai/cn/news/36266) -* **科研团队：** 斯坦福大学联合美国 Arc 研究所 (Arc Institute) 的研究团队 -* **相关研究：** 基因组基础模型 Evo、StripedHyena 架构。Evo 具有预测、生成和设计整个基因组序列的能力 +- **中文解读：** [https://hyper.ai/cn/news/36266](https://hyper.ai/cn/news/36266) + +- **科研团队：** 斯坦福大学联合美国 Arc 研究所 (Arc Institute) 的研究团队 +- **相关研究：** 基因组基础模型 Evo、StripedHyena 架构。Evo 具有预测、生成和设计整个基因组序列的能力 -* **发布期刊：** Science, 2024.11 +- **发布期刊：** Science, 2024.11 + +- **论文链接：** [Sequence modeling and design from molecular to genome scale with Evo](https://www.science.org/doi/10.1126/science.ado9336) -* **论文链接：** [Sequence modeling and design from molecular to genome scale with Evo](https://www.science.org/doi/10.1126/science.ado9336) ### **48. [DigFrag 用 AI 精准分割分子片段，并生成 44 个药物/农药分子](https://hyper.ai/cn/news/36346)** -* **中文解读：** [https://hyper.ai/cn/news/36346](https://hyper.ai/cn/news/36346) -* **科研团队：** 华中师范大学杨光富教授和王凡副教授团队 -* **相关研究：** MolFrag 平台、PADFrag 数据库、图注意力机制、DigFrag 数字化分段方法、DeepFMPO 模型框架、图神经网络架构、Actor-Critic 模型框架 +- **中文解读：** [https://hyper.ai/cn/news/36346](https://hyper.ai/cn/news/36346) + +- **科研团队：** 华中师范大学杨光富教授和王凡副教授团队 +- **相关研究：** MolFrag 平台、PADFrag 数据库、图注意力机制、DigFrag 数字化分段方法、DeepFMPO 模型框架、图神经网络架构、Actor-Critic 模型框架 + +- **发布期刊：** nature communications chemistry, 2024.11 -* **发布期刊：** nature communications chemistry, 2024.11 +- **论文链接：** [DigFrag as a digital fragmentation method used for artificial intelligence-based drug design](https://doi.org/10.1038/s42004-024-01346-5) -* **论文链接：** [DigFrag as a digital fragmentation method used for artificial intelligence-based drug design](https://doi.org/10.1038/s42004-024-01346-5) ### **49. [蛋白质序列大语言模型预训练方法 PRIME](https://hyper.ai/cn/news/36363)** -* **中文解读：** [https://hyper.ai/cn/news/36363](https://hyper.ai/cn/news/36363) -* **科研团队：** 上海交通大学自然科学研究院/物理天文学院洪亮教授课题组、上海人工智能实验室青年研究员、上海科技大学、中科院杭州医学院 -* **相关研究：** 蛋白质序列大语言模型预训练方法 PRIME、ProteomeAtlas 数据库、UniProt 数据库、ProteinGym 蛋白质突变数据集、MLM 预训练方法，优于目前最先进方法 +- **中文解读：** [https://hyper.ai/cn/news/36363](https://hyper.ai/cn/news/36363) + +- **科研团队：** 上海交通大学自然科学研究院/物理天文学院洪亮教授课题组、上海人工智能实验室青年研究员、上海科技大学、中科院杭州医学院 +- **相关研究：** 蛋白质序列大语言模型预训练方法 PRIME、ProteomeAtlas 数据库、UniProt 数据库、ProteinGym 蛋白质突变数据集、MLM 预训练方法，优于目前最先进方法 + +- **发布期刊：** Science Advances, 2024.11 -* **发布期刊：** Science Advances, 2024.11 +- **论文链接：** [A General Temperature-Guided Language Model to Design Proteins of Enhanced Stability and Activity](https://www.science.org/doi/10.1126/sciadv.adr2641) -* **论文链接：** [A General Temperature-Guided Language Model to Design Proteins of Enhanced Stability and Activity](https://www.science.org/doi/10.1126/sciadv.adr2641) ### **50. [自监督深度学习方法革新冷冻电镜三维重建](https://hyper.ai/cn/news/36645)** -* **中文解读：** [https://hyper.ai/cn/news/36645](https://hyper.ai/cn/news/36645) -* **科研团队：** 加州大学洛杉矶分校研究团队 -* **相关研究：** 自监督深度学习方法单粒子 IsoNet (spIsoNet) 、单粒子冷冻电镜、生物大分子重建、β-半乳糖苷酶数据集、HA 三聚体倾斜数据集 (EMPIAR-10097)、非倾斜 HA 三聚体数据集 (EMPIAR-10096) 、非对称核糖体数据集 (EMPIAR-10406)、HIV VLP 断层扫描数据集 (EMPIAR-10164)、U-net 网络架构、各向异性校正驱动的错位校正模块，实现结构生物学重大突破 +- **中文解读：** [https://hyper.ai/cn/news/36645](https://hyper.ai/cn/news/36645) -* **发布期刊：** Nature Methods, 2024.11 +- **科研团队：** 加州大学洛杉矶分校研究团队 +- **相关研究：** 自监督深度学习方法单粒子 IsoNet (spIsoNet) 、单粒子冷冻电镜、生物大分子重建、β-半乳糖苷酶数据集、HA 三聚体倾斜数据集 (EMPIAR-10097)、非倾斜 HA 三聚体数据集 (EMPIAR-10096) 、非对称核糖体数据集 (EMPIAR-10406)、HIV VLP 断层扫描数据集 (EMPIAR-10164)、U-net 网络架构、各向异性校正驱动的错位校正模块，实现结构生物学重大突破 + +- **发布期刊：** Nature Methods, 2024.11 + +- **论文链接：** [Overcoming the preferred-orientation problem in cryo-EM with self-supervised deep learning](https://doi.org/10.1038/s41592-024-02505-1) -* **论文链接：** [Overcoming the preferred-orientation problem in cryo-EM with self-supervised deep learning](https://doi.org/10.1038/s41592-024-02505-1) ### **51. [多模态蛋白质生成方法 PLAID，同时生成序列和全原子蛋白结构](https://hyper.ai/cn/news/36750)** -* **中文解读：** [https://hyper.ai/cn/news/36750](https://hyper.ai/cn/news/36750) -* **科研团队：** 加州大学伯克利分校 (UC Berkeley) 、微软研究院、Genentech 公司研究团队 -* **相关研究：** 多模态蛋白质生成方法 PLAID (Protein Latent Induced Diffusion)、Pfam 数据库、ESMFold 潜在空间、潜在扩散训练、DiT 块架构、 Diffusion Transformer (DiT)、ESMFold 模型 +- **中文解读：** [https://hyper.ai/cn/news/36750](https://hyper.ai/cn/news/36750) + +- **科研团队：** 加州大学伯克利分校 (UC Berkeley) 、微软研究院、Genentech 公司研究团队 +- **相关研究：** 多模态蛋白质生成方法 PLAID (Protein Latent Induced Diffusion)、Pfam 数据库、ESMFold 潜在空间、潜在扩散训练、DiT 块架构、 Diffusion Transformer (DiT)、ESMFold 模型 -* **发布期刊：** ICLR 2025, 2024.12 +- **发布期刊：** ICLR 2025, 2024.12 + +- **论文链接：** [Generating All-Atom Protein Structure from Sequence-Only Training Data](https://www.biorxiv.org/content/10.1101/2024.12.02.626353v1) -* **论文链接：** [Generating All-Atom Protein Structure from Sequence-Only Training Data](https://www.biorxiv.org/content/10.1101/2024.12.02.626353v1) ### **52. [基于潜在强化学习的靶向分子优化方法 MOLRL](https://hyper.ai/cn/news/37285)** -* **中文解读：** [https://hyper.ai/cn/news/37285](https://hyper.ai/cn/news/37285) -* **科研团队：** 生命科学公司 Cellarity 和英伟达的研究人员 -* **相关研究：** 新颖的基于潜在强化学习的靶向分子优化方法 MOLRL、药物发现相关任务、近端策略优化 (PPO) 方法、变分自编码器 (VAE) 、自编码器 (MolMIM)，成功率可达 100% +- **中文解读：** [https://hyper.ai/cn/news/37285](https://hyper.ai/cn/news/37285) + +- **科研团队：** 生命科学公司 Cellarity 和英伟达的研究人员 +- **相关研究：** 新颖的基于潜在强化学习的靶向分子优化方法 MOLRL、药物发现相关任务、近端策略优化 (PPO) 方法、变分自编码器 (VAE) 、自编码器 (MolMIM)，成功率可达 100% + +- **发布期刊：** ChemRxiv, 2025.1 -* **发布期刊：** ChemRxiv, 2025.1 +- **论文链接：** [Targeted Molecular Generation With Latent Reinforcement Learning](https://go.hyper.ai/H4JhR) -* **论文链接：** [Targeted Molecular Generation With Latent Reinforcement Learning](https://go.hyper.ai/H4JhR) ### **53. [病毒变异驱动力预测框架 E2VD，预测新冠/艾滋病/流感病毒进化方向](https://hyper.ai/cn/news/37405)** -* **中文解读：** [https://hyper.ai/cn/news/37405](https://hyper.ai/cn/news/37405) -* **科研团队：** 北京大学信息工程学院田永鸿教授、陈杰副教授，广州国家实验室周鹏研究员指导博士生聂志伟、硕士生刘旭东 -* **相关研究：** 病毒变异驱动力预测框架 E2VD、 UniRef90 数据集、开源深度突变扫描数据集、蛋白质序列编码、局部-全局相互作用依赖融合 (Local-global dependence coupling) 和多任务焦点学习 (Multi-task focal learning)，预测精度提升 67% +- **中文解读：** [https://hyper.ai/cn/news/37405](https://hyper.ai/cn/news/37405) -* **发布期刊：** Nature Machine Intelligence, 2025.1 +- **科研团队：** 北京大学信息工程学院田永鸿教授、陈杰副教授，广州国家实验室周鹏研究员指导博士生聂志伟、硕士生刘旭东 +- **相关研究：** 病毒变异驱动力预测框架 E2VD、 UniRef90 数据集、开源深度突变扫描数据集、蛋白质序列编码、局部-全局相互作用依赖融合 (Local-global dependence coupling) 和多任务焦点学习 (Multi-task focal learning)，预测精度提升 67% + +- **发布期刊：** Nature Machine Intelligence, 2025.1 + +- **论文链接：** [A unified evolution-driven deep learning framework for virus variation driver prediction](https://www.nature.com/articles/s42256-024-00966-9) -* **论文链接：** [A unified evolution-driven deep learning framework for virus variation driver prediction](https://www.nature.com/articles/s42256-024-00966-9) ### **54. [医学语言模型 MedFound，推理能力接近专家医师](https://hyper.ai/cn/news/37646)** -* **中文解读：** [https://hyper.ai/cn/news/37646](https://hyper.ai/cn/news/37646) -* **科研团队：** 北京邮电大学王光宇教授、北京大学第三医院宋纯理教授、三峡大学杨简教授组成的医工交叉团队 -* **相关研究：** 大语言模型 BLOOM-176B、医学语料数据集 MedCorpus、大语言模型 MedFound-DX、思维链方法、偏好对齐框架、MedDX-FT 数据集、MedDX-Bench 数据集 +- **中文解读：** [https://hyper.ai/cn/news/37646](https://hyper.ai/cn/news/37646) + +- **科研团队：** 北京邮电大学王光宇教授、北京大学第三医院宋纯理教授、三峡大学杨简教授组成的医工交叉团队 +- **相关研究：** 大语言模型 BLOOM-176B、医学语料数据集 MedCorpus、大语言模型 MedFound-DX、思维链方法、偏好对齐框架、MedDX-FT 数据集、MedDX-Bench 数据集 -* **发布期刊：** Nature Medicine, 2025.1 +- **发布期刊：** Nature Medicine, 2025.1 + +- **论文链接：** [A generalist medical language model for disease diagnosis assistance](https://www.nature.com/articles/s41591-024-03416-6) -* **论文链接：** [A generalist medical language model for disease diagnosis assistance](https://www.nature.com/articles/s41591-024-03416-6) ### **55. [4D 扩散模型 AlphaFolding，填补蛋白质动态结构预测空白](https://hyper.ai/cn/news/37697)** -* **中文解读：** [https://hyper.ai/cn/news/37697](https://hyper.ai/cn/news/37697) -* **科研团队：** 复旦大学、上海科学智能研究院的朱思语及漆远教授团队、联合南京大学姚遥教授 -* **相关研究：** 4D 扩散模型 AlphaFolding、分子动力学模拟数据、动态蛋白质结构、结构生物学、Distributional Graphformer (DiG) 深度学习框架、ATLAS 数据集 +- **中文解读：** [https://hyper.ai/cn/news/37697](https://hyper.ai/cn/news/37697) + +- **科研团队：** 复旦大学、上海科学智能研究院的朱思语及漆远教授团队、联合南京大学姚遥教授 +- **相关研究：** 4D 扩散模型 AlphaFolding、分子动力学模拟数据、动态蛋白质结构、结构生物学、Distributional Graphformer (DiG) 深度学习框架、ATLAS 数据集 -* **发布期刊：** arXiv, 2024.12 +- **发布期刊：** arXiv, 2024.12 + +- **论文链接：** [4D Diffusion for Dynamic Protein Structure Prediction with Reference and Motion Guidance](https://arxiv.org/abs/2408.12419) -* **论文链接：** [4D Diffusion for Dynamic Protein Structure Prediction with Reference and Motion Guidance](https://arxiv.org/abs/2408.12419) ### **56. [可设计短蛋白质的 PepPrCLIP 流程，有望开发癌症新疗法](https://hyper.ai/cn/news/37912)** -* **中文解读：** [https://hyper.ai/cn/news/37912](https://hyper.ai/cn/news/37912) -* **科研团队：** 杜克大学生物医学工程系研究团队 -* **相关研究：** ESM-2 蛋白语言模型、ESM-2-650M 模型、PepPrCLIP 流程、高斯分布、氨基酸序列 -* **发布期刊：** Science Advances, 2025.1 +- **中文解读：** [https://hyper.ai/cn/news/37912](https://hyper.ai/cn/news/37912) + +- **科研团队：** 杜克大学生物医学工程系研究团队 +- **相关研究：** ESM-2 蛋白语言模型、ESM-2-650M 模型、PepPrCLIP 流程、高斯分布、氨基酸序列 +- **发布期刊：** Science Advances, 2025.1 + +- **论文链接：** [De novo design of peptide binders to conformationally diverse targets with contrastive language modeling](https://www.science.org/doi/10.1126/sciadv.adr8638) + +### **57. [玻尔兹曼对齐技术大幅提高蛋白质结合自由能预测效能](https://hyper.ai/cn/news/38092)** + +- **中文解读：** [https://hyper.ai/cn/news/38092](https://hyper.ai/cn/news/38092) + +- **科研团队：** 浙江大学计算机科学与技术学院沈春华教授团队、澳大利亚阿德莱德大学、美国东北大学等团队 +- **相关研究：** 结合自由能、玻尔兹曼对齐技术、∆∆G 预测、蛋白质复合物结构预测、黎曼扩散模型、深度学习、BA-Cycle 方法、BA-DDG 方法、SKEMPI v2 数据集 +- **发布期刊：** ICLR 2025, 2024.10 + +- **论文链接：** [Boltzmann-Aligned Inverse Folding Model as a Predictor of Mutational Effects on Protein-Protein Interactions](https://arxiv.org/abs/2410.09543) + +### **58. [新型大规模流式蛋白质主链生成器 Proteina，从头设计蛋白质主链性能达 SOTA](https://hyper.ai/cn/news/38120)** + +- **中文解读：** [https://hyper.ai/cn/news/38120](https://hyper.ai/cn/news/38120) + +- **科研团队：** 英伟达、魁北克人工智能研究所 Mila 、蒙特利尔大学、麻省理工学院 +- **相关研究：** 蛋白质设计、可扩展非等变 Transformer 架构、Foldseek AFDB 聚类 DFS 数据集、D21M 数据集、MFS 模型、Mno – triFS 模型、M21M 模型、分阶段训练策略 +- **发布期刊：** ICLR 2025 Oral, 2025.1 + +- **论文链接：** [Proteina: Scaling Flow-based Protein Structure Generative Models](https://openreview.net/forum?id=TVQLu34bdw&nesting=2&sort=date-desc) + +### **59. [UniGEM 模型，首次基于扩散模型实现两任务协同增强](https://hyper.ai/cn/news/38186)** + +- **中文解读：** [https://hyper.ai/cn/news/38186](https://hyper.ai/cn/news/38186) + +- **科研团队：** 清华大学、中国科学院 +- **相关研究：** 药物研发、分子性质预测、分子生成、扩散模型、QM9 量子化学数据集、GEOM-Drugs 3D 分子构象数据集、多任务学习框架、与 E(3) 等变扩散模型 (EDM) 、EGNN、多分支网络架构 +- **发布期刊：** ICLR 2025, 2025.4 +- **论文链接：** [UniGEM: A Unified Approach to Generation and Property Prediction for Molecules](https://openreview.net/pdf?id=Lb91pXwZMR) + +### **60. [RFdiffusion 再进化，实现原子级精度的抗体从头设计](https://hyper.ai/cn/news/38253)** + +- **中文解读：** [https://hyper.ai/cn/news/38253](https://hyper.ai/cn/news/38253) + +- **科研团队：** 华盛顿大学生物化学教授 David Baker 团队及其合作者 +- **相关研究：** 治疗性抗体、RFdiffusion 网络计算蛋白设计、抗体可变重链 VHHs 、单链可变片段 scFvs、深度学习、VHH 框架、CDR 环序列设计 +- **发布期刊：** bioRxiv, 2025.2 + +- **论文链接：** [Atomically accurate de novo design of antibodies with RFdiffusion](https://doi.org/10.1101/2024.03.14.585103) + +### **61. [首个蛋白质-RNA 语言模型融合方案，结合亲和力预测刷新 SOTA](https://hyper.ai/cn/news/38290)** + +- **中文解读：** [https://hyper.ai/cn/news/38290](https://hyper.ai/cn/news/38290) + +- **科研团队：** 清华大学、伦敦大学学院、莫纳什大学、北京邮电大学 +- **相关研究：** 蛋白质-RNA、CoPRA 模型、蛋白质语言模型 (PLM)、RNA 语言模型 (RLM)、CLIP 实验技术、Co-Former 模型、PDBbind 数据集、PRBABv2 数据集、ProNAB 数据集、PRA201 数据集、多模态学习 +- **发布期刊：** AAAI 2025, 2025.1 + +- **论文链接：** [CoPRA: Bridging Cross-domain Pretrained Sequence Models with Complex Structures for Protein-RNA Binding Affinity Prediction](https://arxiv.org/abs/2409.03773) + +### **62. [虚拟组织模型 Celcomen，首次在空间转录组学分析中实现因果推断可识别性](https://hyper.ai/cn/news/38308)** + +- **中文解读：** [https://hyper.ai/cn/news/38308](https://hyper.ai/cn/news/38308) + +- **科研团队：** 剑桥大学 +- **相关研究：** Perturbmap 数据集、胎儿脾脏数据集、胶质母细胞瘤数据集、Celcomen 模型、推理模块 (CCE)、生成模块 (SCE)、图神经网络 +- **发布期刊：** ICLR 2025, 2025.1 + +- **论文链接：** [Estimation of single-cell and tissue perturbation effect in spatial transcriptomics via Spatial Causal Disentanglement](https://openreview.net/forum?id=Tqdsruwyac) + +### **63. [AlphaFold-Metainference 方法，精准预测无序蛋白质结构集合](https://hyper.ai/cn/news/38448)** + +- **中文解读：** [https://hyper.ai/cn/news/38448](https://hyper.ai/cn/news/38448) + +- **科研团队：** 剑桥大学 +- **相关研究：** AlphaFold 预测的对齐误差图、分子动力学模拟中的距离变化矩阵之间的相关性、无序蛋白质结构预测、蛋白质数据库 (Protein Data Bank, PDB)、小角 X 射线散射数据、核磁共振扩散测量、结构集合数据 Aβ 和 α-synuclein、CALVADOS-2、贝叶斯元推理方法、CALVADOS-2 力场、Langevin 积分器 +- **发布期刊：** Nature Communications, 2025.2 + +- **论文链接：** [AlphaFold prediction of structural ensembles of disordered proteins](https://www.nature.com/articles/s41467-025-56572-9) + +### **64. [高精度 RNA 结构预测框架 DRfold2，多项基准测试超越 SOTA](https://hyper.ai/cn/news/38506)** + +- **中文解读：** [https://hyper.ai/cn/news/38506](https://hyper.ai/cn/news/38506) + +- **科研团队：** 新加坡国立大学张阳教授团队 +- **相关研究：** RNA 结构预测框架 DRfold2、无监督接触预测精度、RNA 复合语言模型、DRfold2 RNA 结构测试数据集、CASP15 数据集、Transformer 模块、去噪结构模块 +- **发布期刊：** bioRxiv, 2025.3 + +- **论文链接：** [Ab initio RNA structure prediction with composite language model and denoised end-to-end learning](https://www.biorxiv.org/content/10.1101/2025.03.05.641632v1) + +### **65. [蛋白质设计新算法 DRAKES，突破生物序列设计瓶颈](https://hyper.ai/cn/news/38675)** + +- **中文解读：** [https://hyper.ai/cn/news/38675](https://hyper.ai/cn/news/38675) + +- **科研团队：** 美国麻省理工学院、哈佛大学、斯坦福大学、加州大学伯克利分校、美国基因工程技术公司 Genentech 的研究人员 +- **相关研究：** 强化学习框架、PDB 训练集、Megascale 数据集、DRAKES 算法、Gumbel-Softmax +- **发布期刊：** ICLR 2025, 2024.8 + +- **论文链接：** [Fine-Tuning Discrete Diffusion Models via Reward Optimization with Applications to DNA and Protein Design](https://doi.org/10.48550/arXiv.2410.13643) + +### **66. [机器学习辅助的紫外吸收光谱法检测微生物污染](https://hyper.ai/cn/news/38869)** + +- **中文解读：** [https://hyper.ai/cn/news/38869](https://hyper.ai/cn/news/38869) + +- **科研团队：** 新加坡-麻省理工学院研究联盟、新加坡 A *SRL 实验室、新加坡国立大学、美国麻省理工学院 +- **相关研究：** 微生物污染检测、异常检测策略、机器学习、支持向量机 (SVM)、径向基函数、PBS 灭菌样本 +- **发布期刊：** Nature, 2025.3 + +- **论文链接：** [Machine learning aided UV absorbance spectroscopy for microbial contamination in cell therapy products](https://hyper.ai/en/sota/papers/s41598-024-83114-y) + +### **67. [利用蛋白质序列生成模型实现重叠基因设计](https://hyper.ai/cn/news/39241)** + +- **中文解读：** [https://hyper.ai/cn/news/39241](https://hyper.ai/cn/news/39241) + +- **科研团队：** 美国华盛顿大学 David Baker 团队 +- **相关研究：** 重叠基因（OLG）、合成 OLG 设计研究、氨基酸置换、生物信息学筛选、统计建模、系统扫描序列位置 +- **发布期刊：** bioRxiv, 2025.05 + +- **论文链接：** [Design of overlapping genes using deep generative models of protein sequences](https://doi.org/10.1101/2025.05.06.652464) + +### **68. [预测框架 Predictions of Unseen Proteins’ Subcellular localization（PUPS），实现单细胞级蛋白质定位](https://hyper.ai/cn/news/39549)** + +- **中文解读：** [https://hyper.ai/cn/news/39549](https://hyper.ai/cn/news/39549) + +- **科研团队：** 美国麻省理工学院、哈佛大学 +- **相关研究：** 蛋白质亚细胞定位、人类蛋白质图谱、未知蛋白质亚细胞定位、Predictions of Unseen Proteins’ Subcellular localization（PUPS）框架、保留数据集、ESM-2（Evolutionary Scale Modeling）蛋白质语言模型、卷积神经网络、可分离卷积 +- **发布期刊：** Nature Methods, 2025.05 + +- **论文链接：** [Prediction of protein subcellular localization in single cells](https://go.hyper.ai/LeaQF) + +### **69. [首个跨分子种类统一生成框架 UniMoMo，实现多类型药物分子设计](https://hyper.ai/cn/news/39852)** + +- **中文解读：** [https://hyper.ai/cn/news/39852](https://hyper.ai/cn/news/39852) + +- **科研团队：** 清华大学刘洋老师组、中国人民大学高瓴人工智能学院黄文炳老师组、字节跳动 AI 制药团队 +- **相关研究：** 跨分子种类统一生成框架 UniMoMo、全原子的迭代变分自编码器（IterVAE）、全原子几何隐空间扩散模型、统一建模 +- **发布期刊：** ICML 2025, 2025.03 + +- **论文链接：** [UniMoMo: Unified Generative Modeling of 3D Molecules for De Novo Binder Design](https://go.hyper.ai/wZXZZ) -* **论文链接：** [De novo design of peptide binders to conformationally diverse targets with contrastive language modeling](https://www.science.org/doi/10.1126/sciadv.adr8638) ## **AI+ 医疗健康：AI+Healthcare** ### **1. [深度学习系统 DeepDR Plus 用眼底图像预测糖尿病视网膜病变](https://hyper.ai/news/29769)** -* **中文解读：** [https://hyper.ai/news/29769](https://hyper.ai/news/29769) -* **科研团队：** 上海交通大学贾伟平、李华婷和盛斌教授团队，清华大学黄天荫研究团队 +- **中文解读：** [https://hyper.ai/news/29769](https://hyper.ai/news/29769) + +- **科研团队：** 上海交通大学贾伟平、李华婷和盛斌教授团队，清华大学黄天荫研究团队 -* **相关研究：** SDPP 数据、DRPS 数据、ResNet-50、眼底模型、自监督学习、 IBS 评估模型、元数据模型、组合模型。将临床应用的平均筛查间隔从 12 个月延长至 31.97 个月 +- **相关研究：** SDPP 数据、DRPS 数据、ResNet-50、眼底模型、自监督学习、 IBS 评估模型、元数据模型、组合模型。将临床应用的平均筛查间隔从 12 个月延长至 31.97 个月 -* **发布期刊：** Nature Medicine, 2024.01 +- **发布期刊：** Nature Medicine, 2024.01 -* **论文链接：** [A deep learning system for predicting time to progression of diabetic retinopathy](https://www.nature.com/articles/s41591-023-02702-z) +- **论文链接：** [A deep learning system for predicting time to progression of diabetic retinopathy](https://www.nature.com/articles/s41591-023-02702-z) ### **2. [逻辑回归模型分析高绿色景观指数可降低 MetS 风险](https://hyper.ai/news/29559)** -* **中文解读：** [https://hyper.ai/news/29559](https://hyper.ai/news/29559) -* **科研团队：** 浙江大学吴息凤研究团队 +- **中文解读：** [https://hyper.ai/news/29559](https://hyper.ai/news/29559) -* **相关研究：** 卷积神经网络模型、逻辑回归模型、Isochrone API +- **科研团队：** 浙江大学吴息凤研究团队 -* **发布期刊：** Environment International, 2024.01 +- **相关研究：** 卷积神经网络模型、逻辑回归模型、Isochrone API -* **论文链接：** [Beneficial associations between outdoor visible greenness at the workplace and metabolic syndrome in Chinese adults](https://doi.org/10.1016/j.envint.2023.108327) +- **发布期刊：** Environment International, 2024.01 + +- **论文链接：** [Beneficial associations between outdoor visible greenness at the workplace and metabolic syndrome in Chinese adults](https://doi.org/10.1016/j.envint.2023.108327) ### **3. [深度学习系统助力初级眼科医生的诊断一致性提高 12%](https://hyper.ai/news/29549)** -* **中文解读：** [https://hyper.ai/news/29549](https://hyper.ai/news/29549) -* **科研团队：** 北京协和医院、四川大学华西医院、河北医科大学第二医院、天津医科大学眼科医院、温州医科大学附属眼视光医院、北京致远慧图科技有限公司、中国人民大学研究团队 +- **中文解读：** [https://hyper.ai/news/29549](https://hyper.ai/news/29549) + +- **科研团队：** 北京协和医院、四川大学华西医院、河北医科大学第二医院、天津医科大学眼科医院、温州医科大学附属眼视光医院、北京致远慧图科技有限公司、中国人民大学研究团队 -* **相关研究：** quality assessment model、diagnostic model、CNN。为 13 种眼底疾病的自动检测提供新方法 +- **相关研究：** quality assessment model、diagnostic model、CNN。为 13 种眼底疾病的自动检测提供新方法 -* **发布期刊：** npj digital medicine, 2024.01 +- **发布期刊：** npj digital medicine, 2024.01 -* **论文链接：** [The performance of a deep learning system in assisting junior ophthalmologists in diagnosing 13 major fundus diseases: a prospective multi-center clinical trial](https://www.nature.com/articles/s41746-023-00991-9) +- **论文链接：** [The performance of a deep learning system in assisting junior ophthalmologists in diagnosing 13 major fundus diseases: a prospective multi-center clinical trial](https://www.nature.com/articles/s41746-023-00991-9) ### **4. [GSP-GCNs 实现帕金森病诊断准确率高达 90.2%](https://hyper.ai/news/29189)** -* **中文解读：** [https://hyper.ai/news/29189](https://hyper.ai/news/29189) -* **科研团队：** 中科院深圳先进技术研究院和中山大学附属第一医院研究团队 +- **中文解读：** [https://hyper.ai/news/29189](https://hyper.ai/news/29189) + +- **科研团队：** 中科院深圳先进技术研究院和中山大学附属第一医院研究团队 -* **相关研究：** 图信号处理模块 (GSP) 、图网络模块 (graph-network module) 、分类器 (classifier) 、可解释模型 ( interpretable model) +- **相关研究：** 图信号处理模块 (GSP) 、图网络模块 (graph-network module) 、分类器 (classifier) 、可解释模型 ( interpretable model) -* **发布期刊：** npj Digital Medicine, 2024.01 +- **发布期刊：** npj Digital Medicine, 2024.01 -* **论文链接：** [An interpretable model based on graph learning for diagnosis of Parkinson’s disease with voice-related EEG](https://www.nature.com/articles/s41746-023-00983-9) +- **论文链接：** [An interpretable model based on graph learning for diagnosis of Parkinson’s disease with voice-related EEG](https://www.nature.com/articles/s41746-023-00983-9) ### **5. [乳腺癌预后评分系统 MIRS](https://hyper.ai/news/29304)** -* **中文解读：** [https://hyper.ai/news/29304](https://hyper.ai/news/29304) -* **科研团队：** 美国肯塔基大学、澳门科技大学、澳门大学、广州医科大学研究团队 +- **中文解读：** [https://hyper.ai/news/29304](https://hyper.ai/news/29304) -* **相关研究：** TCGA 数据库、神经网络模型、预后评分系统、ESTIMATE 算法、机器学习、XGboost 、 Borota RF、ElasticNet +- **科研团队：** 美国肯塔基大学、澳门科技大学、澳门大学、广州医科大学研究团队 -* **发布期刊：** iScience, 2023.11 +- **相关研究：** TCGA 数据库、神经网络模型、预后评分系统、ESTIMATE 算法、机器学习、XGboost 、 Borota RF、ElasticNet -* **论文链接：** [MIRS: An AI scoring system for predicting the prognosis and therapy of breast cancer](https://doi.org/10.1016/j.isci.2023.108322) +- **发布期刊：** iScience, 2023.11 + +- **论文链接：** [MIRS: An AI scoring system for predicting the prognosis and therapy of breast cancer](https://doi.org/10.1016/j.isci.2023.108322) ### **6. [视网膜图像基础模型 RETFound，预测多种系统性疾病](https://hyper.ai/news/28113)** -* **中文解读：** [https://hyper.ai/news/28113](https://hyper.ai/news/28113) -* **科研团队：** 伦敦大学学院和 Moorfields 眼科医院的在读博士周玉昆等人 +- **中文解读：** [https://hyper.ai/news/28113](https://hyper.ai/news/28113) + +- **科研团队：** 伦敦大学学院和 Moorfields 眼科医院的在读博士周玉昆等人 -* **相关研究：** 自监督学习、MEH-MIDAS 数据集、EyePACS 数据集、SL-ImageNet、SSL-ImageNet、SSL-Retinal。RETFound 模型预测 4 种疾病的性能均超越对比模型 +- **相关研究：** 自监督学习、MEH-MIDAS 数据集、EyePACS 数据集、SL-ImageNet、SSL-ImageNet、SSL-Retinal。RETFound 模型预测 4 种疾病的性能均超越对比模型 -* **发布期刊：** Nature, 2023.08 +- **发布期刊：** Nature, 2023.08 -* **论文链接：** [A foundation model for generalizable disease detection from retinal images](https://www.nature.com/articles/s41586-023-06555-x) +- **论文链接：** [A foundation model for generalizable disease detection from retinal images](https://www.nature.com/articles/s41586-023-06555-x) ### **7. [SVM 优化触觉传感器，盲文识别率达 96.12%](https://hyper.ai/news/26561)** -* **中文解读：** [https://hyper.ai/news/26561](https://hyper.ai/news/26561) -* **科研团队：** 浙江大学的杨赓和徐凯臣课题组 +- **中文解读：** [https://hyper.ai/news/26561](https://hyper.ai/news/26561) + +- **科研团队：** 浙江大学的杨赓和徐凯臣课题组 -* **相关研究：** SVM算法、机器学习、CNN、自适应矩估计算法。优化后的传感器能准确识别 6 种动态触摸模式 +- **相关研究：** SVM算法、机器学习、CNN、自适应矩估计算法。优化后的传感器能准确识别 6 种动态触摸模式 -* **发布期刊：** Advanced Science, 2023.09 +- **发布期刊：** Advanced Science, 2023.09 -* **论文链接：** [Machine Learning-Enabled Tactile Sensor Design for Dynamic Touch Decoding](https://onlinelibrary.wiley.com/doi/10.1002/advs.202303949) +- **论文链接：** [Machine Learning-Enabled Tactile Sensor Design for Dynamic Touch Decoding](https://onlinelibrary.wiley.com/doi/10.1002/advs.202303949) ### **8. [中科院基因组所建立开放生物医学成像档案](https://hyper.ai/news/26334)** -* **中文解读：** [https://hyper.ai/news/26334](https://hyper.ai/news/26334) -* **科研团队：** 中科院基因组所 +- **中文解读：** [https://hyper.ai/news/26334](https://hyper.ai/news/26334) -* **相关研究：** TCIA 癌症影像数据库、de-identification、quality control、Collection、Individual、Study、 Series, Image、三元组网络、attention module +- **科研团队：** 中科院基因组所 -* **发布期刊：** bioRxiv, 2023.08 +- **相关研究：** TCIA 癌症影像数据库、de-identification、quality control、Collection、Individual、Study、 Series, Image、三元组网络、attention module -* **论文链接：** [Self-supervised learning of hologram reconstruction using physics consistency](https://www.nature.com/articles/s42256-023-00704-7) +- **发布期刊：** bioRxiv, 2023.08 + +- **论文链接：** [Self-supervised learning of hologram reconstruction using physics consistency](https://www.nature.com/articles/s42256-023-00704-7) ### **9. [AI Lunit 阅读乳腺 X 光片的准确率与医生相当](https://hyper.ai/news/26135)** -* **中文解读：** [https://hyper.ai/news/26135](https://hyper.ai/news/26135) -* **科研团队：** 英国诺丁汉大学的研究团队 +- **中文解读：** [https://hyper.ai/news/26135](https://hyper.ai/news/26135) + +- **科研团队：** 英国诺丁汉大学的研究团队 -* **相关研究：** PERFORMS 数据集，标注 + 评分。AI 的灵敏度与医生一致、特异性与医生没有显著差异 +- **相关研究：** PERFORMS 数据集，标注 + 评分。AI 的灵敏度与医生一致、特异性与医生没有显著差异 -* **发布期刊：** Radiology, 2023.09 +- **发布期刊：** Radiology, 2023.09 -* **论文链接：** [Performance of a Breast Cancer Detection AI Algorithm Using the Personal Performance in Mammographic Screening Scheme](https://pubs.rsna.org/doi/10.1148/radiol.223299) +- **论文链接：** [Performance of a Breast Cancer Detection AI Algorithm Using the Personal Performance in Mammographic Screening Scheme](https://pubs.rsna.org/doi/10.1148/radiol.223299) ### **10. [特征选择策略检测乳腺癌生物标志物](https://hyper.ai/news/24589)** -* **中文解读：** [https://hyper.ai/news/24589](https://hyper.ai/news/24589) -* **科研团队：** 意大利那不勒斯费德里科二世大学研究团队 +- **中文解读：** [https://hyper.ai/news/24589](https://hyper.ai/news/24589) + +- **科研团队：** 意大利那不勒斯费德里科二世大学研究团队 -* **相关研究：** 机器学习、特征选择策略、TCGA/GEO 数据集、Gain Ratio、RF、SVM-RFE。SVM-RFE 的稳定性和获得的 signature 预测能力最高 +- **相关研究：** 机器学习、特征选择策略、TCGA/GEO 数据集、Gain Ratio、RF、SVM-RFE。SVM-RFE 的稳定性和获得的 signature 预测能力最高 -* **发布期刊：** CIBB 2023, 2023.07 +- **发布期刊：** CIBB 2023, 2023.07 -* **论文链接：** [Robust Feature Selection strategy detects a panel of microRNAs as putative diagnostic biomarkers in Breast Cancer](https://www.researchgate.net/publication/372083934) +- **论文链接：** [Robust Feature Selection strategy detects a panel of microRNAs as putative diagnostic biomarkers in Breast Cancer](https://www.researchgate.net/publication/372083934) ### **11. [梯度提升机模型准确预测 BPSD 亚综合征](https://hyper.ai/news/23926)** -* **中文解读：** [https://hyper.ai/news/23926](https://hyper.ai/news/23926) -* **科研团队：** 韩国延世大学研究团队 +- **中文解读：** [https://hyper.ai/news/23926](https://hyper.ai/news/23926) -* **相关研究：** 机器学习模型、多重插补方法、逻辑回归模型、随机森林模型、梯度提升机模型、支持向量机模型。梯度提升机模型平均 AUC 值最高 +- **科研团队：** 韩国延世大学研究团队 -* **发布期刊：** Scientifc Reports, 2023.05 +- **相关研究：** 机器学习模型、多重插补方法、逻辑回归模型、随机森林模型、梯度提升机模型、支持向量机模型。梯度提升机模型平均 AUC 值最高 -* **论文链接：** [Machine learning‑based predictive models for the occurrence of behavioral and psychological symptoms of dementia: model development and validation](https://www.nature.com/articles/s41598-023-35194-5) +- **发布期刊：** Scientifc Reports, 2023.05 + +- **论文链接：** [Machine learning‑based predictive models for the occurrence of behavioral and psychological symptoms of dementia: model development and validation](https://www.nature.com/articles/s41598-023-35194-5) ### **12. [机器学习模型预测患者一年内死亡率](https://hyper.ai/news/33905)** -* **中文解读：** [https://hyper.ai/news/33905](https://hyper.ai/news/33905) -* **科研团队：** 中国湖北省麻城市人民医院的研究团队 +- **中文解读：** [https://hyper.ai/news/33905](https://hyper.ai/news/33905) + +- **科研团队：** 中国湖北省麻城市人民医院的研究团队 -* **相关研究：** 逻辑回归模型、机器学习模型、GBM、RF、DT。良好的临床实用性，与一年死亡率相关的前 3 个特征分别是 NT-proBNP、白蛋白和他汀类药物 +- **相关研究：** 逻辑回归模型、机器学习模型、GBM、RF、DT。良好的临床实用性，与一年死亡率相关的前 3 个特征分别是 NT-proBNP、白蛋白和他汀类药物 -* **发布期刊：** Cardiovascular Diabetology, 2023.06 +- **发布期刊：** Cardiovascular Diabetology, 2023.06 -* **论文链接：** [Machine learning-based models to predict one-year mortality among Chinese older patients with coronary artery disease combined with impaired glucose tolerance or diabetes mellitus](https://cardiab.biomedcentral.com/articles/10.1186/s12933-023-01854-z) +- **论文链接：** [Machine learning-based models to predict one-year mortality among Chinese older patients with coronary artery disease combined with impaired glucose tolerance or diabetes mellitus](https://cardiab.biomedcentral.com/articles/10.1186/s12933-023-01854-z) ### **13. [AI 新脑机技术让失语患者「开口说话」](https://hyper.ai/news/33914)** -* **中文解读：** [https://hyper.ai/news/33914](https://hyper.ai/news/33914) +- **中文解读：** [https://hyper.ai/news/33914](https://hyper.ai/news/33914) -* **科研团队：** 加州大学团队 +- **科研团队：** 加州大学团队 -* **相关研究：** nltk Twitter 语料库、多模态语音神经假体、脑机接口、深度学习模型、Cornell 电影语料库、合成语音算法、机器学习 +- **相关研究：** nltk Twitter 语料库、多模态语音神经假体、脑机接口、深度学习模型、Cornell 电影语料库、合成语音算法、机器学习 -* **发布期刊：** Nature, 2023.08 +- **发布期刊：** Nature, 2023.08 -* **论文链接：** [A high-performance neuroprosthesis for speech decoding and avatar control](https://www.nature.com/articles/s41586-023-06443-4) +- **论文链接：** [A high-performance neuroprosthesis for speech decoding and avatar control](https://www.nature.com/articles/s41586-023-06443-4) ### **14. [基于深度学习的胰腺癌人工智能检测](https://hyper.ai/news/33923)** -* **中文解读：** [https://hyper.ai/news/33923](https://hyper.ai/news/33923) -* **科研团队：** 阿里达摩院联合多家国内外医疗机构 +- **中文解读：** [https://hyper.ai/news/33923](https://hyper.ai/news/33923) -* **相关研究：** 深度学习、PANDA、nnU-Net、CNN、Transformer。PANDA 检测到了 5 例癌症和 26 例临床漏诊病例 +- **科研团队：** 阿里达摩院联合多家国内外医疗机构 -* **发布期刊：** Nature Medicine, 2023.11 +- **相关研究：** 深度学习、PANDA、nnU-Net、CNN、Transformer。PANDA 检测到了 5 例癌症和 26 例临床漏诊病例 -* **论文链接：** [Large-scale pancreatic cancer detection via non-contrast CT and deep learning](https://www.nature.com/articles/s41591-023-02640-w) +- **发布期刊：** Nature Medicine, 2023.11 + +- **论文链接：** [Large-scale pancreatic cancer detection via non-contrast CT and deep learning](https://www.nature.com/articles/s41591-023-02640-w) ### **15. [机器学习辅助肺癌筛查的群体有效性](https://hyper.ai/news/31197)** -* **中文解读：** [https://hyper.ai/news/31197](https://hyper.ai/news/31197) -* **科研团队：** 谷歌研究中心 +- **中文解读：** [https://hyper.ai/news/31197](https://hyper.ai/news/31197) -* **相关研究：** DS_CA 数据集、DS_NLST 数据集、DS_US 数据集、DS_JPN 数据集、机器学习模型、肺癌筛查。特异性提高 5%-7%、病例筛查时间减少 14 秒 +- **科研团队：** 谷歌研究中心 -* **发布期刊：** Radiology AI, 2024.03 +- **相关研究：** DS_CA 数据集、DS_NLST 数据集、DS_US 数据集、DS_JPN 数据集、机器学习模型、肺癌筛查。特异性提高 5%-7%、病例筛查时间减少 14 秒 -* **论文链接：** [Assistive AI in Lung Cancer Screening: A Retrospective Multinational Study in the United States and Japan](https://pubs.rsna.org/doi/10.1148/ryai.230079) +- **发布期刊：** Radiology AI, 2024.03 +- **论文链接：** [Assistive AI in Lung Cancer Screening: A Retrospective Multinational Study in the United States and Japan](https://pubs.rsna.org/doi/10.1148/ryai.230079) ### **16. [卵巢癌诊断人工智能融合模型 MCF，输入常规实验室检验数据和年龄即可计算卵巢癌的患病风险](https://hyper.ai/news/30730)** -* **中文解读：** [https://hyper.ai/news/30730](https://hyper.ai/news/30730) -* **科研团队：** 中山大学刘继红研究团队 +- **中文解读：** [https://hyper.ai/news/30730](https://hyper.ai/news/30730) + +- **科研团队：** 中山大学刘继红研究团队 -* **相关研究：** 特征选择方法、机器学习分类器、五倍交叉验证、多准则决策理论、融合 20 个基础分类模型、识别卵巢癌的准确率优于 CA125 和 HE4 等传统生物标志物 +- **相关研究：** 特征选择方法、机器学习分类器、五倍交叉验证、多准则决策理论、融合 20 个基础分类模型、识别卵巢癌的准确率优于 CA125 和 HE4 等传统生物标志物 -* **发布期刊：** The Lancet Digital health, 2024.05 +- **发布期刊：** The Lancet Digital health, 2024.05 -* **论文链接：** [Artificial intelligence-based models enabling accurate diagnosis ofovarian cancer using laboratory tests in China: a multicentre,retrospective cohort study](https://www.thelancet.com/journals/landig/article/PIIS2589-7500(23)00245-5/fulltext) +- **论文链接：** [Artificial intelligence-based models enabling accurate diagnosis ofovarian cancer using laboratory tests in China: a multicentre,retrospective cohort study](https://www.thelancet.com/journals/landig/article/PIIS2589-7500(23)00245-5/fulltext) ### **17. [谷歌发布 HEAL 架构，4 步评估医学 AI 工具是否公平](https://hyper.ai/news/31535)** -* **中文解读：** [https://hyper.ai/news/31535](https://hyper.ai/news/31535) -* **科研团队：** Google 研究团队 +- **中文解读：** [https://hyper.ai/news/31535](https://hyper.ai/news/31535) + +- **科研团队：** Google 研究团队 -* **相关研究：** 机器学习、HEAL (The health equity framework) 框架、逻辑回归分析、交叉性分析、健康公平 -* **发布期刊：** EClinicalMedicine, 2024.04 -* **论文链接：** [Health equity assessment of machine learning performance (HEAL): a framework and dermatology AI model case study](https://www.thelancet.com/journals/eclinm/article/PIIS2589-5370(24)00058-0/fulltext) +- **相关研究：** 机器学习、HEAL (The health equity framework) 框架、逻辑回归分析、交叉性分析、健康公平 +- **发布期刊：** EClinicalMedicine, 2024.04 +- **论文链接：** [Health equity assessment of machine learning performance (HEAL): a framework and dermatology AI model case study](https://www.thelancet.com/journals/eclinm/article/PIIS2589-5370(24)00058-0/fulltext) ### **18. [借鉴语义分割，开发空间转录组语义注释工具 Pianno](https://hyper.ai/news/31573)** -* **中文解读：** [https://hyper.ai/news/31573](https://hyper.ai/news/31573) -* **科研团队：** 复旦大学脑科学研究院诸颖团队 +- **中文解读：** [https://hyper.ai/news/31573](https://hyper.ai/news/31573) -* **相关研究：** 计算机视觉、机器学习、空间聚类方法、无监督聚类方法、空间泊松点过程 (spatial Poisson point process, sPPP) 模型、高阶马尔科夫随机场 (Markov random field, MRF) 先验模型 +- **科研团队：** 复旦大学脑科学研究院诸颖团队 -* **发布期刊：** Nature Communications, 2024.04 +- **相关研究：** 计算机视觉、机器学习、空间聚类方法、无监督聚类方法、空间泊松点过程 (spatial Poisson point process, sPPP) 模型、高阶马尔科夫随机场 (Markov random field, MRF) 先验模型 -* **论文链接：** [Pianno: a probabilistic framework automating semantic annotation for spatial transcriptomics](https://www.nature.com/articles/s41467-024-47152-4) +- **发布期刊：** Nature Communications, 2024.04 + +- **论文链接：** [Pianno: a probabilistic framework automating semantic annotation for spatial transcriptomics](https://www.nature.com/articles/s41467-024-47152-4) ### **19. [AI 模型 UniFMIR，突破现有荧光显微成像极限](https://hyper.ai/news/31885)** -* **中文解读：** [https://hyper.ai/news/31885](https://hyper.ai/news/31885) -* **科研团队：** 复旦大学计算机科学技术学院颜波团队 +- **中文解读：** [https://hyper.ai/news/31885](https://hyper.ai/news/31885) + +- **科研团队：** 复旦大学计算机科学技术学院颜波团队 -* **相关研究：** UniFMIR 模型、多头模块、特征增强模块、多尾模块、Swin Transformer、自适应矩估计、深度学习、SR 模型、单图像超分辨率模型、U-Net +- **相关研究：** UniFMIR 模型、多头模块、特征增强模块、多尾模块、Swin Transformer、自适应矩估计、深度学习、SR 模型、单图像超分辨率模型、U-Net -* **发布期刊：** Nature Methods, 2024.04 +- **发布期刊：** Nature Methods, 2024.04 -* **论文链接：** [Pretraining a foundation model for generalizable fluorescence microscopy-based image restoration](https://www.nature.com/articles/s41592-024-02244-3) +- **论文链接：** [Pretraining a foundation model for generalizable fluorescence microscopy-based image restoration](https://www.nature.com/articles/s41592-024-02244-3) ### **20. [深度学习系统，提高癌症生存预测准确性](https://hyper.ai/news/32068)** -* **中文解读：** [https://hyper.ai/news/32068](https://hyper.ai/news/32068) -* **科研团队：** 上海国家应用数学中心（上海交通大学分中心）俞章盛课题组（生命科学技术学院/医学院临床研究中心） +- **中文解读：** [https://hyper.ai/news/32068](https://hyper.ai/news/32068) + +- **科研团队：** 上海国家应用数学中心（上海交通大学分中心）俞章盛课题组（生命科学技术学院/医学院临床研究中心） -* **相关研究：** 深度学习系统、ST 数据集、integrated graph 和图深度学习的模型、卷积神经网络和图神经网络、外部测试集 MCO-CRC、空间基因表达预测模型、super-patch graph 生存模型、H&E 染色组织学图像 (H&E-stained histological image) 预处理、IGI-DL 模型 +- **相关研究：** 深度学习系统、ST 数据集、integrated graph 和图深度学习的模型、卷积神经网络和图神经网络、外部测试集 MCO-CRC、空间基因表达预测模型、super-patch graph 生存模型、H&E 染色组织学图像 (H&E-stained histological image) 预处理、IGI-DL 模型 -* **发布期刊：** Cell Reports Medicine, 2024.05 +- **发布期刊：** Cell Reports Medicine, 2024.05 -* **论文链接：** [Harnessing TME depicted by histological images to improve cancer prognosis through a deep learning system](https://www.cell.com/cell-reports-medicine/fulltext/S2666-3791(24)00205-2 ) +- **论文链接：** [Harnessing TME depicted by histological images to improve cancer prognosis through a deep learning system](https://www.cell.com/cell-reports-medicine/fulltext/S2666-3791(24)00205-2 ) ### **21. [MemSAM 将「分割一切」模型用于医学视频分割](https://hyper.ai/news/32372)** -* **中文解读：** [https://hyper.ai/news/32372](https://hyper.ai/news/32372) -* **科研团队：** 深圳大学吴惠思 +- **中文解读：** [https://hyper.ai/news/32372](https://hyper.ai/news/32372) -* **相关研究：** 视觉模型、医学视频分割、超声心动图视频分割模型、记忆强化机制、超声心动图数据集 CAMUS 和 EchoNet-Dynamic、图像编码器、提示编码器、掩码解码器、Softmax 函数、基于 CNN 的 UNet 、基于 Transformer 的 SwinUNet、CNN-Transformer 混合的 H2Former、SonoSAM 模型、SAMUS 模型 +- **科研团队：** 深圳大学吴惠思 -* **发布期刊：** CVPR 2024, 2024.05 +- **相关研究：** 视觉模型、医学视频分割、超声心动图视频分割模型、记忆强化机制、超声心动图数据集 CAMUS 和 EchoNet-Dynamic、图像编码器、提示编码器、掩码解码器、Softmax 函数、基于 CNN 的 UNet 、基于 Transformer 的 SwinUNet、CNN-Transformer 混合的 H2Former、SonoSAM 模型、SAMUS 模型 -* **论文链接：** [MemSAM: Taming Segment Anything Model forEchocardiography Video Segmentation](https://github.com/dengxl0520/MemSAM) +- **发布期刊：** CVPR 2024, 2024.05 + +- **论文链接：** [MemSAM: Taming Segment Anything Model forEchocardiography Video Segmentation](https://github.com/dengxl0520/MemSAM) ### **22. [医学图像分割模型 Medical SAM 2 刷新医学图像分割 SOTA 榜](https://hyper.ai/news/33738)** -* **中文解读：** [https://hyper.ai/news/33738](https://hyper.ai/news/33738) -* **科研团队：** 牛津大学团队 +- **中文解读：** [https://hyper.ai/news/33738](https://hyper.ai/news/33738) + +- **科研团队：** 牛津大学团队 -* **相关研究：** 医学图像分割模型、SAM 2、SA-V 视频分割数据集、Medical SAM 2 示例医学分割数据集、 图像编码器、记忆编码器、记忆注意力机制 +- **相关研究：** 医学图像分割模型、SAM 2、SA-V 视频分割数据集、Medical SAM 2 示例医学分割数据集、 图像编码器、记忆编码器、记忆注意力机制 -* **发布期刊：** arXiv, 2024.08 +- **发布期刊：** arXiv, 2024.08 -* **论文链接：** [Medical SAM 2: Segment medical images as video via Segment Anything Model 2](https://arxiv.org/abs/2408.00874) +- **论文链接：** [Medical SAM 2: Segment medical images as video via Segment Anything Model 2](https://arxiv.org/abs/2408.00874) ### **23. [机器学习抗击化疗耐药性与肿瘤复发，构筑乳腺癌干细胞的有力防线](https://hyper.ai/news/33566)** -* **中文解读：** [https://hyper.ai/news/33566](https://hyper.ai/news/33566) -* **科研团队：** 山东大学吕海泉、孙蓉、张凯及山西医科大学梅齐，联合螺旋矩阵公司等研究团队 +- **中文解读：** [https://hyper.ai/news/33566](https://hyper.ai/news/33566) + +- **科研团队：** 山东大学吕海泉、孙蓉、张凯及山西医科大学梅齐，联合螺旋矩阵公司等研究团队 -* **相关研究：** 机器学习、乳腺浸润性癌 (BRCA) 数据集、皮尔逊相关系数分析、基因集富集分析、评估乳腺癌患者样本中的癌症干细胞特征 +- **相关研究：** 机器学习、乳腺浸润性癌 (BRCA) 数据集、皮尔逊相关系数分析、基因集富集分析、评估乳腺癌患者样本中的癌症干细胞特征 -* **发布期刊：** Advanced Science, 2024.07 +- **发布期刊：** Advanced Science, 2024.07 -* **论文链接：** [Polyamine Anabolism Promotes Chemotherapy-Induced Breast Cancer Stem Cell Enrichment](https://onlinelibrary.wiley.com/doi/10.1002/advs.202404853) +- **论文链接：** [Polyamine Anabolism Promotes Chemotherapy-Induced Breast Cancer Stem Cell Enrichment](https://onlinelibrary.wiley.com/doi/10.1002/advs.202404853) ### **24. [糖尿病诊疗的视觉-大语言模型 DeepDR-LLM 登 Nature 子刊](https://hyper.ai/news/33292)** -* **中文解读：** [https://hyper.ai/news/33292](https://hyper.ai/news/33292) -* **科研团队：** 清华大学副教务长、医学院主任黄天荫教授团队，上海交通大学电院计算机系/教育部人工智能重点实验室盛斌教授团队，上海交通大学医学院附属第六人民医院贾伟平教授及李华婷教授团队，新加坡国立大学及新加坡国家眼科中心覃宇宗教授团队 +- **中文解读：** [https://hyper.ai/news/33292](https://hyper.ai/news/33292) -* **相关研究：** 大语言模型、基于眼底图像的深度学习技术、融合适配器 (Adaptor) 和低秩自适应、Transformer 模型架构、监督微调方法、可提高基层 DR 筛查能力和糖尿病诊疗水平 +- **科研团队：** 清华大学副教务长、医学院主任黄天荫教授团队，上海交通大学电院计算机系/教育部人工智能重点实验室盛斌教授团队，上海交通大学医学院附属第六人民医院贾伟平教授及李华婷教授团队，新加坡国立大学及新加坡国家眼科中心覃宇宗教授团队 -* **发布期刊：** Nature Medicine, 2024.07 +- **相关研究：** 大语言模型、基于眼底图像的深度学习技术、融合适配器 (Adaptor) 和低秩自适应、Transformer 模型架构、监督微调方法、可提高基层 DR 筛查能力和糖尿病诊疗水平 -* **论文链接：** [Integrated image-based deep learning and language models for primary diabetes care](https://www.nature.com/articles/s41591-024-03139-8) +- **发布期刊：** Nature Medicine, 2024.07 + +- **论文链接：** [Integrated image-based deep learning and language models for primary diabetes care](https://www.nature.com/articles/s41591-024-03139-8) ### **25. [水平直逼高级病理学家！清华团队提出 AI 基础模型 ROAM，实现胶质瘤精准诊断](https://hyper.ai/news/33136)** -* **中文解读：** [https://hyper.ai/news/33136](https://hyper.ai/news/33136) -* **科研团队：** 清华大学自动化系生命基础模型实验室闾海荣副研究员、江瑞教授、张学工教授与中南大学湘雅医院胡忠良教授团队 +- **中文解读：** [https://hyper.ai/news/33136](https://hyper.ai/news/33136) + +- **科研团队：** 清华大学自动化系生命基础模型实验室闾海荣副研究员、江瑞教授、张学工教授与中南大学湘雅医院胡忠良教授团队 -* **相关研究：** 基于大区域兴趣 (large regions of interest) 和金字塔 Transformer (pyramid transformer) 、精准病理诊断 AI 基础模型 ROAM、大尺寸图像块和多尺度特征学习模块、湘雅胶质瘤 WSI 数据集、TCGA 胶质瘤 WSI 数据集、弱监督计算病理学方法、卷积神经网络 +- **相关研究：** 基于大区域兴趣 (large regions of interest) 和金字塔 Transformer (pyramid transformer) 、精准病理诊断 AI 基础模型 ROAM、大尺寸图像块和多尺度特征学习模块、湘雅胶质瘤 WSI 数据集、TCGA 胶质瘤 WSI 数据集、弱监督计算病理学方法、卷积神经网络 -* **发布期刊：** Nature Machine Intelligence, 2024.06 +- **发布期刊：** Nature Machine Intelligence, 2024.06 -* **论文链接：** [A transformer-based weakly supervised computational pathology method for clinical-grade diagnosis and molecular marker discovery of gliomas](https://www.nature.com/articles/s42256-024-00868-w) +- **论文链接：** [A transformer-based weakly supervised computational pathology method for clinical-grade diagnosis and molecular marker discovery of gliomas](https://www.nature.com/articles/s42256-024-00868-w) ### **26. [医学图像分割通用模型 ScribblePrompt，性能优于 SAM](https://hyper.ai/news/34720)** -* **中文解读：** [https://hyper.ai/news/34720](https://hyper.ai/news/34720) -* **科研团队：** 美国麻省理工学院计算机科学与人工智能实验室团队、麻省总医院、哈佛医学院 +- **中文解读：** [https://hyper.ai/news/34720](https://hyper.ai/news/34720) -* **相关研究：** 深度学习、医学图像分割、MegaMedical 数据集、交互式分割方法、生物医学成像数据集、生物医学图像分割的通用模型 ScribblePrompt、生成合成标签机制、全卷积架构、ScribblePrompt 架构、CNN-Transformer 混合解决方案 -* **发布期刊：** ECCV 2024, 2024.07 +- **科研团队：** 美国麻省理工学院计算机科学与人工智能实验室团队、麻省总医院、哈佛医学院 + +- **相关研究：** 深度学习、医学图像分割、MegaMedical 数据集、交互式分割方法、生物医学成像数据集、生物医学图像分割的通用模型 ScribblePrompt、生成合成标签机制、全卷积架构、ScribblePrompt 架构、CNN-Transformer 混合解决方案 +- **发布期刊：** ECCV 2024, 2024.07 + +- **论文链接：** [ScribblePrompt: Fast and Flexible Interactive Segmentation for Any Biomedical Image](https://arxiv.org/pdf/2312.07381) -* **论文链接：** [ScribblePrompt: Fast and Flexible Interactive Segmentation for Any Biomedical Image](https://arxiv.org/pdf/2312.07381) ### **27. [数字孪生脑平台，展现出类似人脑中观测的临界现象与相似认知功能](https://hyper.ai/news/34573)** -* **中文解读：** [https://hyper.ai/news/34573](https://hyper.ai/news/34573) -* **科研团队：** 复旦大学类脑智能科学与技术研究院冯建峰教授团队 +- **中文解读：** [https://hyper.ai/news/34573](https://hyper.ai/news/34573) + +- **科研团队：** 复旦大学类脑智能科学与技术研究院冯建峰教授团队 -* **相关研究：** 神经元网络、数字孪生大脑、逆向工程技术、脑科学、全脑范围内的尖峰神经元网络、磁共振成像技术、快速梯度回波序列、cortico-subcortical 模型、DTB 模型、分析了神经元数量和平均突触连接度对模型与生物数据相似度的影响、同化模型 +- **相关研究：** 神经元网络、数字孪生大脑、逆向工程技术、脑科学、全脑范围内的尖峰神经元网络、磁共振成像技术、快速梯度回波序列、cortico-subcortical 模型、DTB 模型、分析了神经元数量和平均突触连接度对模型与生物数据相似度的影响、同化模型 -* **发布期刊：** National Science Review, 2024.5 +- **发布期刊：** National Science Review, 2024.5 + +- **论文链接：** [Imitating and exploring human brain’s resting and task-performing states via resembling brain computing: scaling and architecture](https://doi.org/10.1093/nsr/nwae080) -* **论文链接：** [Imitating and exploring human brain’s resting and task-performing states via resembling brain computing: scaling and architecture](https://doi.org/10.1093/nsr/nwae080) ### **28. [自动化大模型对话 Agent 模拟系统，可初诊抑郁症](https://hyper.ai/cn/news/34845)** -* **中文解读：** [https://hyper.ai/cn/news/34845](https://hyper.ai/cn/news/34845) -* **科研团队：** 上海交通大学 X-LANCE 实验室吴梦玥老师团队、德克萨斯大学阿灵顿分校 UTA 、天桥脑科学研究院 (TCCI) 和 ThetaAI 公司 +- **中文解读：** [https://hyper.ai/cn/news/34845](https://hyper.ai/cn/news/34845) + +- **科研团队：** 上海交通大学 X-LANCE 实验室吴梦玥老师团队、德克萨斯大学阿灵顿分校 UTA 、天桥脑科学研究院 (TCCI) 和 ThetaAI 公司 -* **相关研究：** 搭建了一个新型的对话 Agent 模拟系统、D4 数据集、三层记忆存储结构和全新的记忆检索机制、患者 Agent、精神科医生 Agent、指导员 Agent，提升抑郁症与自杀倾向诊断准确率 +- **相关研究：** 搭建了一个新型的对话 Agent 模拟系统、D4 数据集、三层记忆存储结构和全新的记忆检索机制、患者 Agent、精神科医生 Agent、指导员 Agent，提升抑郁症与自杀倾向诊断准确率 -* **发布期刊：** arXiv, 2024.9 +- **发布期刊：** arXiv, 2024.9 -* **论文链接：** [Depression Diagnosis Dialogue Simulation: Self-improving Psychiatrist with Tertiary Memory](https://arxiv.org/abs/2409.15084) +- **论文链接：** [Depression Diagnosis Dialogue Simulation: Self-improving Psychiatrist with Tertiary Memory](https://arxiv.org/abs/2409.15084) ### **29. [深度学习模型 LucaProt，助力 RNA 病毒识别](https://hyper.ai/cn/news/34968)** -* **中文解读：** [https://hyper.ai/cn/news/34968](https://hyper.ai/cn/news/34968) -* **科研团队：** 中山大学医学院的施莽教授、浙江大学、复旦大学、中国农业大学、香港城市大学、广州大学、悉尼大学、阿里云飞天实验室 +- **中文解读：** [https://hyper.ai/cn/news/34968](https://hyper.ai/cn/news/34968) + +- **科研团队：** 中山大学医学院的施莽教授、浙江大学、复旦大学、中国农业大学、香港城市大学、广州大学、悉尼大学、阿里云飞天实验室 -* **相关研究：** 云计算与 AI 技术、宏基因组挖掘技术、NCBI SRA 数据库、CNGBdb 数据库、基于数据驱动的深度学习模型 LucaProt、Transformer 框架、大模型表征技术、揭露了 161,979 种潜在 RNA 病毒物种和 180 个病毒超群的存在 +- **相关研究：** 云计算与 AI 技术、宏基因组挖掘技术、NCBI SRA 数据库、CNGBdb 数据库、基于数据驱动的深度学习模型 LucaProt、Transformer 框架、大模型表征技术、揭露了 161,979 种潜在 RNA 病毒物种和 180 个病毒超群的存在 -* **发布期刊：** Cell, 2024.9 +- **发布期刊：** Cell, 2024.9 + +- **论文链接：** [Using artificial intelligence to document the hidden RNA virosphere](https://doi.org/10.1016/j.cell.2024.09.027) -* **论文链接：** [Using artificial intelligence to document the hidden RNA virosphere](https://doi.org/10.1016/j.cell.2024.09.027) ### **30. [医学图像预训练框架 UniMedI，打破医学数据异构化藩篱](https://hyper.ai/cn/news/35128)** -* **中文解读：** [https://hyper.ai/cn/news/35128](https://hyper.ai/cn/news/35128) -* **科研团队：** 浙江大学胡浩基团队、微软亚洲研究院邱锂力团队 +- **中文解读：** [https://hyper.ai/cn/news/35128](https://hyper.ai/cn/news/35128) + +- **科研团队：** 浙江大学胡浩基团队、微软亚洲研究院邱锂力团队 + +- **相关研究：** 「伪配对」(Pseudo-Pairs) 技术、MIMIC-CXR 2.0.0 数据集、BIMCV 数据集、预训练 UniMedI 框架、ViT-B/16 视觉编码器 、BioClinicalBERT 文本编码器 、VL (Vision-Language) 对比学习、辅助任务设计、UniMiss 医学自我监督表达学习框架 -* **相关研究：** 「伪配对」(Pseudo-Pairs) 技术、MIMIC-CXR 2.0.0 数据集、BIMCV 数据集、预训练 UniMedI 框架、ViT-B/16 视觉编码器 、BioClinicalBERT 文本编码器 、VL (Vision-Language) 对比学习、辅助任务设计、UniMiss 医学自我监督表达学习框架 +- **发布期刊：** ECCV, 2024.7 -* **发布期刊：** ECCV, 2024.7 +- **论文链接：** [Unified Medical Image Pre-training in Language-Guided Common Semantic Space](https://eccv.ecva.net/virtual/2024/poster/1165) -* **论文链接：** [Unified Medical Image Pre-training in Language-Guided Common Semantic Space](https://eccv.ecva.net/virtual/2024/poster/1165) ### **31. [多语言医学大模型 MMed-Llama 3，更加适配医疗应用场景](https://hyper.ai/cn/news/35242)** -* **中文解读：** [https://hyper.ai/cn/news/35242](https://hyper.ai/cn/news/35242) -* **科研团队：** 上海交通大学王延峰教授与谢伟迪教授团队 +- **中文解读：** [https://hyper.ai/cn/news/35242](https://hyper.ai/cn/news/35242) + +- **科研团队：** 上海交通大学王延峰教授与谢伟迪教授团队 + +- **相关研究：** 多语言医疗语料库 MMedC、多语言医疗问答评测标准 MMedBench、基座模型 MMed-Llama 3、MMedLM 多语言模型、MMedLM 2 多语言模型、 MMed-Llama 3 多语言模型 -* **相关研究：** 多语言医疗语料库 MMedC、多语言医疗问答评测标准 MMedBench、基座模型 MMed-Llama 3、MMedLM 多语言模型、MMedLM 2 多语言模型、 MMed-Llama 3 多语言模型 +- **发布期刊：** Nature Communications, 2024.9 -* **发布期刊：** Nature Communications, 2024.9 +- **论文链接：** [Towards building multilingual language model for medicine](https://www.nature.com/articles/s41467-024-52417-z) -* **论文链接：** [Towards building multilingual language model for medicine](https://www.nature.com/articles/s41467-024-52417-z) ### **32. [胶囊内窥镜图像拼接方法 S2P-Matching，助力胶囊内窥镜图像拼接](https://hyper.ai/cn/news/35313)** -* **中文解读：** [https://hyper.ai/cn/news/35313](https://hyper.ai/cn/news/35313) -* **科研团队：** 华中科技大学陆枫团队、上海交通大学盛斌、中南民族大学、香港科技大学（广州）分校、香港理工大学、悉尼大学、匹配正确率提升 187.9% +- **中文解读：** [https://hyper.ai/cn/news/35313](https://hyper.ai/cn/news/35313) -* **相关研究：** 胶囊内窥镜图像拼接方法 S2P-Matching、自监督对比学习方法、双分支编码器提取局部特征、Transformer 模型、结合数据增强、对比学习、像素级匹配 +- **科研团队：** 华中科技大学陆枫团队、上海交通大学盛斌、中南民族大学、香港科技大学（广州）分校、香港理工大学、悉尼大学、匹配正确率提升 187.9% -* **发布期刊：** IEEE Transactions on Biomedical Engineering, 2024.9 +- **相关研究：** 胶囊内窥镜图像拼接方法 S2P-Matching、自监督对比学习方法、双分支编码器提取局部特征、Transformer 模型、结合数据增强、对比学习、像素级匹配 + +- **发布期刊：** IEEE Transactions on Biomedical Engineering, 2024.9 + +- **论文链接：** [S2P-Matching: Self-supervised Patch-based Matching Using Transformer for Capsule Endoscopic Images Stitching](http://dx.doi.org/10.1109/TBME.2024.3462502) -* **论文链接：** [S2P-Matching: Self-supervised Patch-based Matching Using Transformer for Capsule Endoscopic Images Stitching](http://dx.doi.org/10.1109/TBME.2024.3462502) ### **33. [多模态医疗基准 GMAI-MMBench，含 284 个数据集，覆盖 18 项临床任务](https://hyper.ai/cn/news/35938)** -* **中文解读：** [https://hyper.ai/cn/news/35938](https://hyper.ai/cn/news/35938) -* **科研团队：** 上海人工智能实验室、华盛顿大学、莫纳什大学、华东师范大学 +- **中文解读：** [https://hyper.ai/cn/news/35938](https://hyper.ai/cn/news/35938) + +- **科研团队：** 上海人工智能实验室、华盛顿大学、莫纳什大学、华东师范大学 -* **相关研究：** GMAI-MMBench 基准、迄今为止最全面的且开源的通用医疗 AI 基准。评估医疗领域大型视觉语言模型的有效性 -* **发布期刊：** NeurIPS 2024, 2024.8 +- **相关研究：** GMAI-MMBench 基准、迄今为止最全面的且开源的通用医疗 AI 基准。评估医疗领域大型视觉语言模型的有效性 +- **发布期刊：** NeurIPS 2024, 2024.8 + +- **论文链接：** [GMAI-MMBench: A Comprehensive Multimodal Evaluation Benchmark Towards General Medical AI](https://arxiv.org/abs/2408.03361v7) -* **论文链接：** [GMAI-MMBench: A Comprehensive Multimodal Evaluation Benchmark Towards General Medical AI](https://arxiv.org/abs/2408.03361v7) ### **34. [新型时间序列预测方法 CGS-Mask，揭秘患者存活率关键指标](https://hyper.ai/cn/news/36192)** -* **中文解读：** [https://hyper.ai/cn/news/36192](https://hyper.ai/cn/news/36192) -* **科研团队：** 华中科技大学陆枫团队、悉尼大学 Zomaya 院士团队、同济医院 +- **中文解读：** [https://hyper.ai/cn/news/36192](https://hyper.ai/cn/news/36192) + +- **科研团队：** 华中科技大学陆枫团队、悉尼大学 Zomaya 院士团队、同济医院 + +- **相关研究：** MIMIC-III 数据集、 LSST 数据集、 NATOPS 数据集、 AE 数据集。将时间序列预测与可解释性结合，CGS-Mask 既能提高模型预测精度，又能使预测结果更加直观和可解释 -* **相关研究：** MIMIC-III 数据集、 LSST 数据集、 NATOPS 数据集、 AE 数据集。将时间序列预测与可解释性结合，CGS-Mask 既能提高模型预测精度，又能使预测结果更加直观和可解释 +- **发布期刊：** Proceedings of the 38th AAAI Conference on Artificial Intelligence (AAAI’24), 2024.3 -* **发布期刊：** Proceedings of the 38th AAAI Conference on Artificial Intelligence (AAAI’24), 2024.3 +- **论文链接：** [CGS-Mask: Making Time Series Predictions Intuitive for All](https://ojs.aaai.org/index.php/AAAI/article/view/29325) -* **论文链接：** [CGS-Mask: Making Time Series Predictions Intuitive for All](https://ojs.aaai.org/index.php/AAAI/article/view/29325) ### **35. [非侵入式大脑解码新框架 fMRI，为脑机接口和认知模型发展奠定基础](https://hyper.ai/cn/news/36023)** -* **中文解读：** [https://hyper.ai/cn/news/36023](https://hyper.ai/cn/news/36023) -* **科研团队：** 中国科学院自动化研究所曾毅教授团队 -* **相关研究：** 多模态集成框架、Natural Scenes Dataset 数据集、COCO 数据集、Variational Autoencoder (VAE) 和 CLIP 嵌入进行特征对齐、3D fMRI 预处理器、fMRI 特征提取器、多模态 LLMs。解决大脑活动的视觉重建问题 -* **发布期刊：** NeurIPS 2024, 2024.10 +- **中文解读：** [https://hyper.ai/cn/news/36023](https://hyper.ai/cn/news/36023) + +- **科研团队：** 中国科学院自动化研究所曾毅教授团队 +- **相关研究：** 多模态集成框架、Natural Scenes Dataset 数据集、COCO 数据集、Variational Autoencoder (VAE) 和 CLIP 嵌入进行特征对齐、3D fMRI 预处理器、fMRI 特征提取器、多模态 LLMs。解决大脑活动的视觉重建问题 +- **发布期刊：** NeurIPS 2024, 2024.10 + +- **论文链接：** [Neuro-Vision to Language: Enhancing Brain Recording-based Visual Reconstruction and Language Interaction](https://nips.cc/virtual/2024/poster/93607) -* **论文链接：** [Neuro-Vision to Language: Enhancing Brain Recording-based Visual Reconstruction and Language Interaction](https://nips.cc/virtual/2024/poster/93607) ### **36. [医学图像分割模型 M2CF-Net，提高干燥综合征诊断准确性](https://hyper.ai/cn/news/36700)** -* **中文解读：** [https://hyper.ai/cn/news/36700](https://hyper.ai/cn/news/36700) -* **科研团队：** 华中科技大学凃巍教授、陆枫教授等 -* **相关研究：** 医学图像分割模型 M2CF-Net、小唾液腺病理切片数据集、感兴趣区域 (Regions of Interest, ROI) 提取、染色标准化 (Stain Normalization)、图像分块 (WSl Patching) 、Vahadane 算法、基于 Patch 的训练方法、M2CF-Net 模型，针对超大规模病理图像分析 -* **发布期刊：** 2023 IEEE International Conference on Medical Artificial Intelligence (MedAI), 2023 +- **中文解读：** [https://hyper.ai/cn/news/36700](https://hyper.ai/cn/news/36700) + +- **科研团队：** 华中科技大学凃巍教授、陆枫教授等 +- **相关研究：** 医学图像分割模型 M2CF-Net、小唾液腺病理切片数据集、感兴趣区域 (Regions of Interest, ROI) 提取、染色标准化 (Stain Normalization)、图像分块 (WSl Patching) 、Vahadane 算法、基于 Patch 的训练方法、M2CF-Net 模型，针对超大规模病理图像分析 +- **发布期刊：** 2023 IEEE International Conference on Medical Artificial Intelligence (MedAI), 2023 + +- **论文链接：** [M2CF-Net: A Multi-Resolution and Multi-Scale Cross Fusion Network for Segmenting Pathology Lesion of the Focal Lymphocytic Sialadenitis](https://doi.ieeecomputersociety.org/10.1109/MedAI59581.2023.00063) -* **论文链接：** [M2CF-Net: A Multi-Resolution and Multi-Scale Cross Fusion Network for Segmenting Pathology Lesion of the Focal Lymphocytic Sialadenitis](https://doi.ieeecomputersociety.org/10.1109/MedAI59581.2023.00063) ### **37. [BSAFusion 可实现多模态医学图像对齐与融合](https://hyper.ai/cn/news/37104)** -* **中文解读：** [https://hyper.ai/cn/news/37104](https://hyper.ai/cn/news/37104) -* **科研团队：** 昆明理工大学信息工程与自动化学院李华锋、张亚飞、苏大勇团队、中国海洋大学信息科学与工程学部计算机科学与技术学院蔡青 -* **相关研究：** 医学影像处理、双向逐步特征对齐 (BSFA) 的未对齐医学图像融合方法、CT-MRI 数据集、 PET-MRI 数据集、SPECT-MRI 数据集、深度学习、计算机视觉、医学图像处理、多模态医学图像融合 -* **发布期刊：** AAAI 2025, 2024.11 +- **中文解读：** [https://hyper.ai/cn/news/37104](https://hyper.ai/cn/news/37104) + +- **科研团队：** 昆明理工大学信息工程与自动化学院李华锋、张亚飞、苏大勇团队、中国海洋大学信息科学与工程学部计算机科学与技术学院蔡青 +- **相关研究：** 医学影像处理、双向逐步特征对齐 (BSFA) 的未对齐医学图像融合方法、CT-MRI 数据集、 PET-MRI 数据集、SPECT-MRI 数据集、深度学习、计算机视觉、医学图像处理、多模态医学图像融合 +- **发布期刊：** AAAI 2025, 2024.11 + +- **论文链接：** [BSAFusion: A Bidirectional Stepwise Feature Alignment Network for Unaligned Medical Image Fusion](https://arxiv.org/abs/2412.08050) -* **论文链接：** [BSAFusion: A Bidirectional Stepwise Feature Alignment Network for Unaligned Medical Image Fusion](https://arxiv.org/abs/2412.08050) ### **38. [多 Agent 大语言模型框架 KG4Diagnosis 助力诊断 362 种常见疾病](https://hyper.ai/cn/news/37208)** -* **中文解读：** [https://hyper.ai/cn/news/37208](https://hyper.ai/cn/news/37208) -* **科研团队：** 华威大学、克兰菲尔德大学、剑桥大学、牛津大学的研究团队 -* **相关研究：** KG4Diagnosis、分层多智能体框架、自动化医疗知识图谱的构建，诊断，治疗和推理、全科医生 (general practitioner) 大语言模型 (GPLLM) 、多个领域特定的专家大语言模型 (Consultant-LLMs)，可自动化构建医疗知识图谱 -* **发布期刊：** AAAI-25 Bridge Program, 2024.12 +- **中文解读：** [https://hyper.ai/cn/news/37208](https://hyper.ai/cn/news/37208) + +- **科研团队：** 华威大学、克兰菲尔德大学、剑桥大学、牛津大学的研究团队 +- **相关研究：** KG4Diagnosis、分层多智能体框架、自动化医疗知识图谱的构建，诊断，治疗和推理、全科医生 (general practitioner) 大语言模型 (GPLLM) 、多个领域特定的专家大语言模型 (Consultant-LLMs)，可自动化构建医疗知识图谱 +- **发布期刊：** AAAI-25 Bridge Program, 2024.12 + +- **论文链接：** [KG4Diagnosis: A Hierarchical Multi-Agent LLM Framework with Knowledge Graph Enhancement for Medical Diagnosis](https://arxiv.org/abs/2412.16833) -* **论文链接：** [KG4Diagnosis: A Hierarchical Multi-Agent LLM Framework with Knowledge Graph Enhancement for Medical Diagnosis](https://arxiv.org/abs/2412.16833) ### **39. [图像分割模型 ConDSeg，解决医学图像分割软边界与共现难题](https://hyper.ai/cn/news/37794)** -* **中文解读：** [https://hyper.ai/cn/news/37794](https://hyper.ai/cn/news/37794) -* **科研团队：** 中国地质大学团队、百度 -* **相关研究：** 对比度驱动医学图像分割框架 ConDSeg、一致性强化训练策略、语义信息解耦模块、对比度驱动特征聚合模块、尺寸感知解码器、自动化图像分割、边界约束网络 BCNet、Kvasir-SEG 数据集、医学图像分割 -* **发布期刊：** The 39th Annual AAAI Conference on Artificial Intelligence, AAAI 2025, 2024.12 +- **中文解读：** [https://hyper.ai/cn/news/37794](https://hyper.ai/cn/news/37794) + +- **科研团队：** 中国地质大学团队、百度 +- **相关研究：** 对比度驱动医学图像分割框架 ConDSeg、一致性强化训练策略、语义信息解耦模块、对比度驱动特征聚合模块、尺寸感知解码器、自动化图像分割、边界约束网络 BCNet、Kvasir-SEG 数据集、医学图像分割 +- **发布期刊：** The 39th Annual AAAI Conference on Artificial Intelligence, AAAI 2025, 2024.12 + +- **论文链接：** [ConDSeg: A General Medical Image Segmentation Framework via Contrast-Driven Feature Enhancement](https://arxiv.org/abs/2412.08345) -* **论文链接：** [ConDSeg: A General Medical Image Segmentation Framework via Contrast-Driven Feature Enhancement](https://arxiv.org/abs/2412.08345) ### **40. [医学模型 M³FM，可用于零样本临床诊断，支持疾病报告和疾病分类](https://hyper.ai/cn/news/37924)** -* **中文解读：** [https://hyper.ai/cn/news/37924](https://hyper.ai/cn/news/37924) -* **科研团队：** 牛津大学、罗切斯特大学、亚马逊团队，西湖大学医学人工智能实验室郑冶枫博士、腾讯优图实验室天衍研究中心负责人吴贤博士 -* **相关研究：** 零样本临床诊断、医学影像、CLIP 模型、M³FM 框架、MultiMedCLIP 模块、MultiMedLM 模块、MIMC-CXR 数据集、COVID-19-CT-CXR 数据集、IU-Xray 、 COVID-19 CT 、 COV-CTR 、深圳结核病数据集、 COVID-CXR 、 NIH ChestX-ray 、 CheXpert 、 RSNA 肺炎、SIIM-ACR 肺气肿 -* **发布期刊：** npj Digital Medicine, 2025.2 +- **中文解读：** [https://hyper.ai/cn/news/37924](https://hyper.ai/cn/news/37924) + +- **科研团队：** 牛津大学、罗切斯特大学、亚马逊团队，西湖大学医学人工智能实验室郑冶枫博士、腾讯优图实验室天衍研究中心负责人吴贤博士 +- **相关研究：** 零样本临床诊断、医学影像、CLIP 模型、M³FM 框架、MultiMedCLIP 模块、MultiMedLM 模块、MIMC-CXR 数据集、COVID-19-CT-CXR 数据集、IU-Xray 、 COVID-19 CT 、 COV-CTR 、深圳结核病数据集、 COVID-CXR 、 NIH ChestX-ray 、 CheXpert 、 RSNA 肺炎、SIIM-ACR 肺气肿 +- **发布期刊：** npj Digital Medicine, 2025.2 + +- **论文链接：** [A multimodal multidomain multilingual medical foundation model for zero shot clinical diagnosis](https://www.nature.com/articles/s41746-024-01339-7) -* **论文链接：** [A multimodal multidomain multilingual medical foundation model for zero shot clinical diagnosis](https://www.nature.com/articles/s41746-024-01339-7) ### **41. [基于深度学习凭颅骨 CT 鉴定性别，赶超人类法医](https://hyper.ai/cn/news/38024)** -* **中文解读：** [https://hyper.ai/cn/news/38024](https://hyper.ai/cn/news/38024) -* **科研团队：** 澳大利亚西澳大学、新南威尔士大学、印度尼西亚哈萨努丁大学团队 -* **相关研究：** 基于深度学习的自动化框架、颅骨性别鉴定、颅骨 CT 扫描、网络配置、法医人类学 -* **发布期刊：** Scientific Reports, 2024.12 +- **中文解读：** [https://hyper.ai/cn/news/38024](https://hyper.ai/cn/news/38024) + +- **科研团队：** 澳大利亚西澳大学、新南威尔士大学、印度尼西亚哈萨努丁大学团队 +- **相关研究：** 基于深度学习的自动化框架、颅骨性别鉴定、颅骨 CT 扫描、网络配置、法医人类学 +- **发布期刊：** Scientific Reports, 2024.12 + +- **论文链接：** [Deep learning versus human assessors: forensic sex estimation from three-dimensional computed tomography scans](https://www.nature.com/articles/s41598-024-81718-y) + +### **42. [AI 助力医学研究，大模型可成为基层医生培训「黄金搭档」](https://hyper.ai/cn/news/38366)** + +- **中文解读：** [https://hyper.ai/cn/news/38366](https://hyper.ai/cn/news/38366) + +- **科研团队：** 上海交通大学盛斌教授团队、上海体育大学毛丽娟教授团队、清华大学黄天荫教授团队、上海市糖尿病研究所贾伟平教授团队等多学科力量、美国杜克大学、约翰霍普金斯大学、澳洲墨尔本大学等国际顶尖学府和研究机构 +- **相关研究：** 医生培训、DeepSeek、人机协同决策、NCE-CPDC、SCE、大语言模型、慢病诊疗数字化变革 +- **发布期刊：** Science Bulletin, 2025.1 + +- **论文链接：** [Large language models for diabetes training: a prospective study](https://www.sciencedirect.com/science/article/pii/S2095927325000891) + +### **43. [AcneDGNet 的深度学习算法实现痤疮病变检测与分级](https://hyper.ai/cn/news/38397)** + +- **中文解读：** [https://hyper.ai/cn/news/38397](https://hyper.ai/cn/news/38397) + +- **科研团队：** 北京大学国际医院皮肤科主任医师韩钢文团队 +- **相关研究：** AcneDGNet 深度学习算法、融合视觉 Transformer 与卷积神经网络、痤疮病变检测与分级、ACNE04 数据集、AcneSCU 数据集、AcnePA1 数据集、AcnePA2 数据集、AcnePKUIH 数据集、Swin Transformer 架构、特征金字塔架构 +- **发布期刊：** Scientific Reports, 2025.1 + +- **论文链接：** [Evaluation of an acne lesion detection and severity grading model for Chinese population in online and offline healthcare scenarios](https://www.nature.com/articles/s41598-024-84670-z) + +### **44. [发布多模态医学影像分割模型 VISTA3D，实现三维影像自动分割与交互](https://hyper.ai/cn/news/38486)** + +- **中文解读：** [https://hyper.ai/cn/news/38486](https://hyper.ai/cn/news/38486) + +- **科研团队：** 英伟达、阿肯色大学医学院、美国国立卫生研究院、牛津大学组 +- **相关研究：** VISTA3D 多模态医学影像分割模型、三维超体素特征提取方法、三维自动分割、交互式分割双模态、自动分割 (Auto-seg) 、模块化设计理念 +- **发布期刊：** arXiv, 2024.11 + +- **论文链接：** [VISTA3D: A Unified Seamentation Foundation Model For 3D Medical lmaging](https://doi.org/10.48550/arxiv.2406.05285) + +### **45. [多切面超声心动图统一分割模型 EchoONE，可精准分割多切面超声心动图](https://hyper.ai/cn/news/38544)** + +- **中文解读：** [https://hyper.ai/cn/news/38544](https://hyper.ai/cn/news/38544) + +- **科研团队：** 深圳大学医学部生物医学工程学院医学超声图像计算实验室 (MUSIC) 、深圳大学大数据国家工程实验室、深圳市人民医院超声科的研究团队 +- **相关研究：** 多切面超声心动图统一分割模型 EchoONE、CAMUS 心脏超声图像数据集、 HMC-QU 心脏医学影像数据集、EchoNet_Dynamic 数据集 +- **发布期刊：** 2025 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 2025.4 + +- **论文链接：** [EchoONE: Segmenting Multiple echocardiography Planes in One Model](https://arxiv.org/abs/2412.02993) + +### **46. [多智能体对话框架模拟医生会诊，助力疾病诊断](https://hyper.ai/cn/news/38583)** + +- **中文解读：** [https://hyper.ai/cn/news/38583](https://hyper.ai/cn/news/38583) + +- **科研团队：** 四川大学华西医院、华西生物医学大数据中心、浙江大学医学院、北京邮电大学等团队 +- **相关研究：** 多智能体对话 (MAC) 框架、LLMs、Orphanet 数据库、Medline 数据库、GPT-3.5、GPT-4、疾病诊断、多智能体系统 、医生会诊 +- **发布期刊：** Nature, 2025.3 + +- **论文链接：** [Enhancing diagnostic capability with multi-agents conversational large language models](https://www.nature.com/articles/s41746-025-01550-0#Tab6) + +### **47. [深度学习框架 STAIG，揭示肿瘤微环境中的详细基因信息](https://hyper.ai/cn/news/38587)** + +- **中文解读：** [https://hyper.ai/cn/news/38587](https://hyper.ai/cn/news/38587) + +- **科研团队：** 日本东京大学医科学研究所 +- **相关研究：** 深度学习框架 STAIG、生物组织、ST 数据集、纵向堆叠方式、对角放置合并方法、SoftMax 函数、图神经网络 +- **发布期刊：** Nature Communications, 2025.1 + +- **论文链接：** [STAIG: Spatial transcriptomics analysis via image-aided graph contrastive learning for domain exploration and alignment-free integration](https://www.nature.com/articles/s41467-025-56276-0) + +### **48. [首个全模态医疗图像重识别框架 MaMI，在 11 个数据集上的评测达 SOTA](https://hyper.ai/cn/news/38624)** + +- **中文解读：** [https://hyper.ai/cn/news/38624](https://hyper.ai/cn/news/38624) + +- **科研团队：** 上海人工智能实验室联合多家知名高校 +- **相关研究：** 全模态医疗图像重识别框架 MaMI、医疗图像重识别方法、连续模态参数适配器、医学重识别基准、集成医疗先验知识、基于连续模态的参数适配器 (ComPA)、医疗基础模型 (MFMs) +- **发布期刊：** CVPR 2025, 2025.3 + +- **论文链接：** [Towards All-in-One Medical Image Re-Identification](https://arxiv.org/pdf/2503.08173) + +### **49. [多对一回归模型 M2OST，利用数字病理图像精准预测基因表达](https://hyper.ai/cn/news/38783)** + +- **中文解读：** [https://hyper.ai/cn/news/38783](https://hyper.ai/cn/news/38783) + +- **科研团队：** 中国浙江大学林兰芬教授研究团队、浙江杭州之江实验室、日本立命馆大学 +- **相关研究：** 全切片病理图像 (WSIs)、人类乳腺癌数据集、人类阳性乳腺肿瘤数据集、人类皮肤鳞状细胞癌数据集、Transformer 模型、图像块级方案 +- **发布期刊：** AAAI 2025, 2024.12 + +- **论文链接：** [M2OST: Many-to-one Regression for Predicting Spatial Transcriptomics from Digital Pathology Images](https://arxiv.org/abs/2409.15092) + +### **50. [大脑磁共振成像扫描工具 MindGlide，实现多发性硬化症病变量化](https://hyper.ai/cn/news/38971)** + +- **中文解读：** [https://hyper.ai/cn/news/38971](https://hyper.ai/cn/news/38971) + +- **科研团队：** 英国伦敦大学学院研究团队 +- **相关研究：** MindGlide 模型、大脑磁共振成像、常规护理数据集、病变分割数据集、nnU-Net、3D 卷积神经网络、扭曲真实扫描的几何形状和图像强度、生成合成扫描 +- **发布期刊：** Nature Communications, 2025.04 + +- **论文链接：** [Enabling new insights from old scans by repurposing clinical MRI archives for multiple sclerosis research](https://go.hyper.ai/fDEgm)、 + +### **51. [多示例学习框架 HDMIL，快速处理千兆像素病理全切片图像](https://hyper.ai/cn/news/39157)** + +- **中文解读：** [https://hyper.ai/cn/news/39157](https://hyper.ai/cn/news/39157) + +- **科研团队：** 中国哈尔滨工业大学的江俊君教授、江奎副教授，哈尔滨工业大学（深圳）的张永兵教授等 +- **相关研究：** 多示例学习、肿瘤检测、全视野切片图像、癌症诊断、Camelyon16 数据集、TCGA-NSCLC 数据集、TCGA-BRCA 数据集、多示例学习框架 HDMIL +- **发布期刊：** CVPR 2025, 2025.03 + +- **论文链接：** [Fast and Accurate Gigapixel Pathological Image Classification with Hierarchical Distillation Multi-Instance Learning](https://arxiv.org/abs/2502.21130) + +### **52. [通用 3D 血管分割基础模型 vesselFM，性能远超 SAM 系模型](https://hyper.ai/cn/news/39201)** + +- **中文解读：** [https://hyper.ai/cn/news/39201](https://hyper.ai/cn/news/39201) + +- **科研团队：** 苏黎世大学、苏黎世联邦理工学院、慕尼黑工业大学 +- **相关研究：** 血管分割、医学影像分割、数据集 Dreal、领域随机数据集 Ddrand、空间变换方法、基于 Flow Matching 的条件生成模型 F、深度生成模型、域随机化策略 +- **发布期刊：** CVPR 2025, 2025.01 + +- **论文链接：** [vesselFM: A Foundation Model for Universal 3D Blood Vessel Segmentation](https://go.hyper.ai/lVad9) + +### **53. [通过图神经网络精准预测肺癌患者生存期，发现 3 类致命亚型](https://hyper.ai/cn/news/39435)** + +- **中文解读：** [https://hyper.ai/cn/news/39435](https://hyper.ai/cn/news/39435) + +- **科研团队：** 美国康奈尔大学、再生元制药公司 +- **相关研究：** 图编码混合生存模型（GEMS）、美国肿瘤学电子健康记录（EHR）数据库、ConcertAI Patient360™ NSCLC 数据集、图神经网络编码器、肺癌诊疗 +- **发布期刊：** Nature Communication, 2025.05 + +- **论文链接：** [Identification of predictive subphenotypes for clinical outcomes using real world data and machine learning](https://doi.org/10.1038/s41467-025-59092-8) + +### **54. [融合策略 AI 模型预测感染性休克死亡风险](https://hyper.ai/cn/news/39713)** + +- **中文解读：** [https://hyper.ai/cn/news/39713](https://hyper.ai/cn/news/39713) + +- **科研团队：** 华中科技大学同济医学院附属同济医院叶庆教授、医药卫生管理学院吴红教授团队 +- **相关研究：** 感染性休克、基于 TOPSIS 的分类融合（TCF）模型、机器学习模型、 Levene 检验、 Chi-square 检验、感染性休克死亡预测 +- **发布期刊：** npj digital medicine, 2025.04 + +- **论文链接：** [Artificial intelligence based multispecialty mortality prediction models for septic shock in a multicenter retrospective study](https://go.hyper.ai/faMLL) -* **论文链接：** [Deep learning versus human assessors: forensic sex estimation from three-dimensional computed tomography scans](https://www.nature.com/articles/s41598-024-81718-y) ## **AI+ 材料化学：AI+Materials Chemistry** ### **1. [高通量计算框架 33 分钟生成 12 万种新型 MOFs 候选材料](https://hyper.ai/news/30269)** -* **中文解读：** [https://hyper.ai/news/30269](https://hyper.ai/news/30269) -* **科研团队：** 美国阿贡国家实验室 Eliu A. Huerta 研究团队 +- **中文解读：** [https://hyper.ai/news/30269](https://hyper.ai/news/30269) + +- **科研团队：** 美国阿贡国家实验室 Eliu A. Huerta 研究团队 -* **相关研究：** hMOFs 数据集、生成式 AI、GHP-MOFsassemble、MMPA、DiffLinker、CGCNN、GCMC +- **相关研究：** hMOFs 数据集、生成式 AI、GHP-MOFsassemble、MMPA、DiffLinker、CGCNN、GCMC -* **发布期刊：** Nature, 2024.02 +- **发布期刊：** Nature, 2024.02 -* **论文链接：** [A generative artificial intelligence framework based on a molecular diffusion model for the design of metal-organic frameworks for carbon capture](https://www.nature.com/articles/s42004-023-01090-2) +- **论文链接：** [A generative artificial intelligence framework based on a molecular diffusion model for the design of metal-organic frameworks for carbon capture](https://www.nature.com/articles/s42004-023-01090-2) ### **2. [机器学习算法模型筛选 P-SOC 电极材料](https://hyper.ai/news/29069)** -* **中文解读：** [https://hyper.ai/news/29069](https://hyper.ai/news/29069) -* **科研团队：** 广州大学叶思宇研究团队 +- **中文解读：** [https://hyper.ai/news/29069](https://hyper.ai/news/29069) + +- **科研团队：** 广州大学叶思宇研究团队 -* **相关研究：** XGBoost、机器学习模型、RF、DFT。成功筛选电极材料 LCN91 +- **相关研究：** XGBoost、机器学习模型、RF、DFT。成功筛选电极材料 LCN91 -* **发布期刊：** ADVANCED FUNCTIONAL MATERIALS, 2023.12 +- **发布期刊：** ADVANCED FUNCTIONAL MATERIALS, 2023.12 -* **论文链接：** [Machine-Learning Assisted Screening Proton Conducting Co/Fe based Oxide for the Air Electrode of Protonic Solid Oxide Cell](https://onlinelibrary.wiley.com/doi/10.1002/adfm.202309855) +- **论文链接：** [Machine-Learning Assisted Screening Proton Conducting Co/Fe based Oxide for the Air Electrode of Protonic Solid Oxide Cell](https://onlinelibrary.wiley.com/doi/10.1002/adfm.202309855) ### **3. [SEN 机器学习模型，实现高精度的材料性能预测](https://hyper.ai/news/28410)** -* **中文解读：** [https://hyper.ai/news/28410](https://hyper.ai/news/28410) -* **科研团队：** 中山大学李华山、王彪课题组 +- **中文解读：** [https://hyper.ai/news/28410](https://hyper.ai/news/28410) -* **相关研究：** Materials Project 数据库、SEN、capsule mechanism、深度学习。SEN 模型预测带隙和形成能的平均绝对误差，分别比常见机器学习模型低约 22.9% 和 38.3%。 +- **科研团队：** 中山大学李华山、王彪课题组 -* **发布期刊：** Nature Communications, 2023.08 +- **相关研究：** Materials Project 数据库、SEN、capsule mechanism、深度学习。SEN 模型预测带隙和形成能的平均绝对误差，分别比常见机器学习模型低约 22.9% 和 38.3%。 -* **论文链接：** [Material symmetry recognition and property prediction accomplished by crystal capsule representation](https://www.nature.com/articles/s41467-023-40756-2) +- **发布期刊：** Nature Communications, 2023.08 + +- **论文链接：** [Material symmetry recognition and property prediction accomplished by crystal capsule representation](https://www.nature.com/articles/s41467-023-40756-2) ### **4. [深度学习工具 GNoME 发现 220 万种新晶体](https://hyper.ai/news/28347)** -* **中文解读：** [https://hyper.ai/news/28347](https://hyper.ai/news/28347) -* **科研团队：** 谷歌 DeepMind 研究团队 +- **中文解读：** [https://hyper.ai/news/28347](https://hyper.ai/news/28347) + +- **科研团队：** 谷歌 DeepMind 研究团队 -* **相关研究：** GNoME 数据库、GNoME、SOTA GNN 模型、深度学习、Materials Project、OQMD、WBM、ICSD +- **相关研究：** GNoME 数据库、GNoME、SOTA GNN 模型、深度学习、Materials Project、OQMD、WBM、ICSD -* **发布期刊：** Nature, 2023.11 +- **发布期刊：** Nature, 2023.11 -* **论文链接：** [Scaling deep learning for materials discovery](https://www.nature.com/articles/s41586-023-06735-9) +- **论文链接：** [Scaling deep learning for materials discovery](https://www.nature.com/articles/s41586-023-06735-9) ### **5. [场诱导递归嵌入原子神经网络可准确描述外场强度、方向变化](https://hyper.ai/news/28285)** -* **中文解读：** [https://hyper.ai/news/28285](https://hyper.ai/news/28285) -* **科研团队：** 中国科学技术大学的蒋彬课题组 +- **中文解读：** [https://hyper.ai/news/28285](https://hyper.ai/news/28285) -* **相关研究：** 场诱导递归嵌入原子神经网络 FIREANN、FIREANN-wF 模型。可准确描述外场强度和方向的变化时系统能量的变化趋势，还能对任意阶数的系统响应进行预测 +- **科研团队：** 中国科学技术大学的蒋彬课题组 -* **发布期刊：** Nature Communication, 2023.10 +- **相关研究：** 场诱导递归嵌入原子神经网络 FIREANN、FIREANN-wF 模型。可准确描述外场强度和方向的变化时系统能量的变化趋势，还能对任意阶数的系统响应进行预测 -* **论文链接：** [Universal machine learning for the response of atomistic systems to external fields](https://www.nature.com/articles/s41467-023-42148-y) +- **发布期刊：** Nature Communication, 2023.10 + +- **论文链接：** [Universal machine learning for the response of atomistic systems to external fields](https://www.nature.com/articles/s41467-023-42148-y) ### **6. [机器学习预测多孔材料水吸附等温线](https://hyper.ai/news/28260)** -* **中文解读：** [https://hyper.ai/news/28260](https://hyper.ai/news/28260) -* **科研团队：** 华中科技大学的李松课题组 +- **中文解读：** [https://hyper.ai/news/28260](https://hyper.ai/news/28260) + +- **科研团队：** 华中科技大学的李松课题组 -* **相关研究：** EWAID 数据库、机器学习模型、RF、ANN。RF 预测水吸附等温线有高精度和高灵敏度 +- **相关研究：** EWAID 数据库、机器学习模型、RF、ANN。RF 预测水吸附等温线有高精度和高灵敏度 -* **发布期刊：** Journal of Materials Chemistry A, 2023.09 +- **发布期刊：** Journal of Materials Chemistry A, 2023.09 -* **论文链接：** [Machine learning-assisted prediction of water adsorption isotherms and cooling performance](https://pubs.rsc.org/en/content/articlelanding/2023/TA/D3TA03586G) +- **论文链接：** [Machine learning-assisted prediction of water adsorption isotherms and cooling performance](https://pubs.rsc.org/en/content/articlelanding/2023/TA/D3TA03586G) ### **7. [利用机器学习优化 BiVO(4) 光阳极的助催化剂](https://hyper.ai/news/28013)** -* **中文解读：** [https://hyper.ai/news/28013](https://hyper.ai/news/28013) -* **科研团队：** 清华大学朱宏伟课题组 +- **中文解读：** [https://hyper.ai/news/28013](https://hyper.ai/news/28013) + +- **科研团队：** 清华大学朱宏伟课题组 -* **相关研究：** ML、神经网络、AdaBoost 算法、Gradient Boosting、自解释模型、Bagging 算法、交叉验证 +- **相关研究：** ML、神经网络、AdaBoost 算法、Gradient Boosting、自解释模型、Bagging 算法、交叉验证 -* **发布期刊：** Journal of Materials Chemistry A, 2023.10 +- **发布期刊：** Journal of Materials Chemistry A, 2023.10 -* **论文链接：** [A comprehensive machine learning strategy for designing high-performance photoanode catalysts](https://pubs.rsc.org/en/content/articlelanding/2023/TA/D3TA04148D) +- **论文链接：** [A comprehensive machine learning strategy for designing high-performance photoanode catalysts](https://pubs.rsc.org/en/content/articlelanding/2023/TA/D3TA04148D) ### **8. [RetroExplainer 算法基于深度学习进行逆合成预测](https://hyper.ai/news/27406)** -* **中文解读：** [https://hyper.ai/news/27406](https://hyper.ai/news/27406) -* **科研团队：** 山东大学、电子科技大学课题组 +- **中文解读：** [https://hyper.ai/news/27406](https://hyper.ai/news/27406) -* **相关研究：** RetroExplainer、深度学习、MSMS-GT、DAMT、可解释的决策模块、路线预测模块。RetroExplainer 提出的合成路线中，86.9% 的反应得到了文献的验证 +- **科研团队：** 山东大学、电子科技大学课题组 -* **发布期刊：** Nature Communications, 2023.10 +- **相关研究：** RetroExplainer、深度学习、MSMS-GT、DAMT、可解释的决策模块、路线预测模块。RetroExplainer 提出的合成路线中，86.9% 的反应得到了文献的验证 -* **论文链接：** [Retrosynthesis prediction with an interpretable deep-learning framework based on molecular assembly tasks](https://www.nature.com/articles/s41467-023-41698-5) +- **发布期刊：** Nature Communications, 2023.10 + +- **论文链接：** [Retrosynthesis prediction with an interpretable deep-learning framework based on molecular assembly tasks](https://www.nature.com/articles/s41467-023-41698-5) ### **9. [深度神经网络+自然语言处理，开发抗蚀合金](https://hyper.ai/news/25891)** -* **中文解读：** [https://hyper.ai/news/25891](https://hyper.ai/news/25891) -* **科研团队：** 德国马克思普朗克铁研究所的研究团队 +- **中文解读：** [https://hyper.ai/news/25891](https://hyper.ai/news/25891) + +- **科研团队：** 德国马克思普朗克铁研究所的研究团队 -* **相关研究：** DNN、NLP。读取有关合金加工和测试方法的文本数据，有预测新元素的能力 +- **相关研究：** DNN、NLP。读取有关合金加工和测试方法的文本数据，有预测新元素的能力 -* **发布期刊：** Science Advances, 2023.08 +- **发布期刊：** Science Advances, 2023.08 -* **论文链接：** [Enhancing corrosion-resistant alloy design through natural language processing and deep learning](https://www.science.org/doi/10.1126/sciadv.adg7992) +- **论文链接：** [Enhancing corrosion-resistant alloy design through natural language processing and deep learning](https://www.science.org/doi/10.1126/sciadv.adg7992) ### **10. [深度学习通过表面观察确定材料的内部结构](https://hyper.ai/news/25859)** -* **中文解读：** [https://hyper.ai/news/25859](https://hyper.ai/news/25859) -* **科研团队：** 麻省理工学院的研究团队 +- **中文解读：** [https://hyper.ai/news/25859](https://hyper.ai/news/25859) + +- **科研团队：** 麻省理工学院的研究团队 -* **相关研究：** 深度学习、FEA 计算、Abaqus 可视化工具、GAN、ViViT、CNN +- **相关研究：** 深度学习、FEA 计算、Abaqus 可视化工具、GAN、ViViT、CNN -* **发布期刊：** Advanced Materials, 2023.03 +- **发布期刊：** Advanced Materials, 2023.03 -* **论文链接：** [Fill in the Blank: Transferrable Deep Learning Approaches to Recover Missing Physical Field Information](https://onlinelibrary.wiley.com/doi/full/10.1002/adma.202301449) +- **论文链接：** [Fill in the Blank: Transferrable Deep Learning Approaches to Recover Missing Physical Field Information](https://onlinelibrary.wiley.com/doi/full/10.1002/adma.202301449) ### **11. [利用创新 X 射线闪烁体开发 3 种新材料](https://hyper.ai/news/31465)** -* **中文解读：** [https://hyper.ai/news/31465](https://hyper.ai/news/31465) -* **科研团队：** 河北大学张海磊研究团队 +- **中文解读：** [https://hyper.ai/news/31465](https://hyper.ai/news/31465) -* **相关研究：** 水分散性 X 射线闪烁体、纳米材料、聚氨酯泡沫、X 射线成像柔性水凝胶闪烁体屏幕、多级防伪信息加密的复合水凝胶 +- **科研团队：** 河北大学张海磊研究团队 -* **发布期刊：** Nature Communications, 2024.03 +- **相关研究：** 水分散性 X 射线闪烁体、纳米材料、聚氨酯泡沫、X 射线成像柔性水凝胶闪烁体屏幕、多级防伪信息加密的复合水凝胶 -* **论文链接：** [Water-dispersible X-ray scintillators enabling coating and blending with polymer materials for multiple applications](https://www.nature.com/articles/s41467-024-46287-8) +- **发布期刊：** Nature Communications, 2024.03 + +- **论文链接：** [Water-dispersible X-ray scintillators enabling coating and blending with polymer materials for multiple applications](https://www.nature.com/articles/s41467-024-46287-8) ### **12. [半监督学习提取无标签数据中的隐藏信息](https://hyper.ai/news/31089)** -* **中文解读：** [https://hyper.ai/news/31089](https://hyper.ai/news/31089) -* **科研团队：** 上海交大万佳雨研究团队研究团队 +- **中文解读：** [https://hyper.ai/news/31089](https://hyper.ai/news/31089) + +- **科研团队：** 上海交大万佳雨研究团队研究团队 -* **相关研究：** 半监督学习、无标签数据、贝叶斯协同训练、部分视图模型、完整视图模型。锂电池寿命预测精度提升 20% +- **相关研究：** 半监督学习、无标签数据、贝叶斯协同训练、部分视图模型、完整视图模型。锂电池寿命预测精度提升 20% -* **发布期刊：** Joule, 2024.03 +- **发布期刊：** Joule, 2024.03 -* **论文链接：** [Semi-supervised learning for explainable few-shot battery lifetime prediction](https://doi.org/10.1016/j.joule.2024.02.020 ) +- **论文链接：** [Semi-supervised learning for explainable few-shot battery lifetime prediction](https://doi.org/10.1016/j.joule.2024.02.020 ) ### **13. [基于自动机器学习进行知识自动提取](https://hyper.ai/news/30920)** -* **中文解读：** [https://hyper.ai/news/30920](https://hyper.ai/news/30920) -* **科研团队：** 上海交大贺玉莲研究团队 +- **中文解读：** [https://hyper.ai/news/30920](https://hyper.ai/news/30920) + +- **科研团队：** 上海交大贺玉莲研究团队 -* **相关研究：** 自动机器学习 AutoML、催化剂、化学吸附能、Eads 值、特征删除实验、神经网络、高通量密度泛函理论 +- **相关研究：** 自动机器学习 AutoML、催化剂、化学吸附能、Eads 值、特征删除实验、神经网络、高通量密度泛函理论 -* **发布期刊：** PNAS, 2024.03 +- **发布期刊：** PNAS, 2024.03 -* **论文链接：** [Interpreting chemisorption strength with AutoML-based feature deletion experiments](https://hyper.ai/news/30920) +- **论文链接：** [Interpreting chemisorption strength with AutoML-based feature deletion experiments](https://hyper.ai/news/30920) ### **14. [一种三维 MOF 材料吸附行为预测的机器学习模型 Uni-MOF](https://hyper.ai/news/30663)** -* **中文解读：** [https://hyper.ai/news/30663](https://hyper.ai/news/30663) -* **科研团队：** 清华大学化工系卢滇楠研究团队 +- **中文解读：** [https://hyper.ai/news/30663](https://hyper.ai/news/30663) -* **相关研究：** hMOFs50 数据库、MOF/COF 数据库、微调 Uni-MOF。在识别超过 63 万个三维空间构型及其原子间连接关系上的有效性 +- **科研团队：** 清华大学化工系卢滇楠研究团队 -* **发布期刊：** Nature Communications, 2024.03 +- **相关研究：** hMOFs50 数据库、MOF/COF 数据库、微调 Uni-MOF。在识别超过 63 万个三维空间构型及其原子间连接关系上的有效性 -* **论文链接：** [A comprehensive transformer-based approach for high-accuracy gas adsorption predictions in metal-organic frameworks](https://www.nature.com/articles/s41467-024-46276-x) +- **发布期刊：** Nature Communications, 2024.03 + +- **论文链接：** [A comprehensive transformer-based approach for high-accuracy gas adsorption predictions in metal-organic frameworks](https://www.nature.com/articles/s41467-024-46276-x) ### **15. [微电子加速迈向后摩尔时代！集成 DNN 与纳米薄膜技术，精准分析入射光角度](https://hyper.ai/news/32326)** -* **中文解读：** [https://hyper.ai/news/32326](https://hyper.ai/news/32326) -* **科研团队：** 复旦大学梅永丰课题组 +- **中文解读：** [https://hyper.ai/news/32326](https://hyper.ai/news/32326) + +- **科研团队：** 复旦大学梅永丰课题组 -* **相关研究：** 有限元模型、应变纳米膜释放模型、菲克定律、深度神经网络、三维光探测器、角度敏感检测模型 +- **相关研究：** 有限元模型、应变纳米膜释放模型、菲克定律、深度神经网络、三维光探测器、角度敏感检测模型 -* **发布期刊：** Nature Communications, 2024.04 +- **发布期刊：** Nature Communications, 2024.04 -* **论文链接：** [Multilevel design and construction in nanomembrane rolling for three-dimensional angle-sensitive photodetection](https://www.nature.com/articles/s41467-024-47405-2) +- **论文链接：** [Multilevel design and construction in nanomembrane rolling for three-dimensional angle-sensitive photodetection](https://www.nature.com/articles/s41467-024-47405-2) ### **16. [重塑锂电池性能边界，基于集成学习提出简化电化学模型](https://hyper.ai/news/32323)** -* **中文解读：** [https://hyper.ai/news/32323](https://hyper.ai/news/32323) -* **科研团队：** 武汉理工大学康健强团队 +- **中文解读：** [https://hyper.ai/news/32323](https://hyper.ai/news/32323) -* **相关研究：** 简化电化学模型、集成学习模型、机器学习、一阶惯性元件 FIE、离散时间实现算法 DRA、分数阶帕德逼近 FOM、三参数抛物线近似 TPM +- **科研团队：** 武汉理工大学康健强团队 -* **发布期刊：** iScience, 2024.05 +- **相关研究：** 简化电化学模型、集成学习模型、机器学习、一阶惯性元件 FIE、离散时间实现算法 DRA、分数阶帕德逼近 FOM、三参数抛物线近似 TPM -* **论文链接：** [A simplified electrochemical model forlithium-ion batteries based on ensemblelearning](https://www.sciencedirect.com/science/article/pii/S2589004224009076) +- **发布期刊：** iScience, 2024.05 + +- **论文链接：** [A simplified electrochemical model forlithium-ion batteries based on ensemblelearning](https://www.sciencedirect.com/science/article/pii/S2589004224009076) ### **17. [基于机器学习，最强铁基超导磁体诞生](https://hyper.ai/news/32556)** -* **中文解读：** [https://hyper.ai/news/32556](https://hyper.ai/news/32556) -* **科研团队：** 东京农工大学研究团队 +- **中文解读：** [https://hyper.ai/news/32556](https://hyper.ai/news/32556) + +- **科研团队：** 东京农工大学研究团队 -* **相关研究：** BOXVIA 机器学习、数据驱动循环、数值模拟、铁基超导永磁体 Ba122、场冷磁化 (FCM) 模型。磁场强度超过先前记录 2.7 倍 +- **相关研究：** BOXVIA 机器学习、数据驱动循环、数值模拟、铁基超导永磁体 Ba122、场冷磁化 (FCM) 模型。磁场强度超过先前记录 2.7 倍 -* **发布期刊：** NPG Asia Materials, 2024.06 +- **发布期刊：** NPG Asia Materials, 2024.06 -* **论文链接：** [Superstrength permanent magnets with iron-based superconductors by data- and researcher-driven process design](https://www.nature.com/articles/s41427-024-00549-5) +- **论文链接：** [Superstrength permanent magnets with iron-based superconductors by data- and researcher-driven process design](https://www.nature.com/articles/s41427-024-00549-5) ### **18. [神经网络替代密度泛函理论！通用材料模型实现超精准预测](https://hyper.ai/news/32891)** -* **中文解读：** [https://hyper.ai/news/32891](https://hyper.ai/news/32891) -* **科研团队：** 清华大学物理系的徐勇、段文晖团队 +- **中文解读：** [https://hyper.ai/news/32891](https://hyper.ai/news/32891) + +- **科研团队：** 清华大学物理系的徐勇、段文晖团队 -* **相关研究：** Materials Project 数据库、深度学习密度泛函理论哈密顿量 (DeepH) 方法、通用材料模型、神经网络、等变神经网络、自动化交互式基础设施和数据库 (AiiDA) 框架 +- **相关研究：** Materials Project 数据库、深度学习密度泛函理论哈密顿量 (DeepH) 方法、通用材料模型、神经网络、等变神经网络、自动化交互式基础设施和数据库 (AiiDA) 框架 -* **发布期刊：** Science Bulletin, 2024.06 +- **发布期刊：** Science Bulletin, 2024.06 -* **论文链接：** [Universal materials model of deep-learning density functional theory Hamiltonian](https://doi.org/10.1016/j.scib.2024.06.011) +- **论文链接：** [Universal materials model of deep-learning density functional theory Hamiltonian](https://doi.org/10.1016/j.scib.2024.06.011) ### **19. [神经网络密度泛函框架打开物质电子结构预测的黑箱](https://hyper.ai/news/33525)** -* **中文解读：** [https://hyper.ai/news/33525](https://hyper.ai/news/33525) -* **科研团队：** 清华大学徐勇、段文晖课题组 +- **中文解读：** [https://hyper.ai/news/33525](https://hyper.ai/news/33525) -* **相关研究：** 神经网络密度泛函理论、变分密度泛函理论、等价神经网络、Julia 语言、Zygote 自动微分框架、深度学习、无监督学习、DFT +- **科研团队：** 清华大学徐勇、段文晖课题组 -* **发布期刊：** Phys. Rev. Lett., 2024.08 +- **相关研究：** 神经网络密度泛函理论、变分密度泛函理论、等价神经网络、Julia 语言、Zygote 自动微分框架、深度学习、无监督学习、DFT -* **论文链接：** [Neural-network density functional theory based on variational energy minimization](https://journals.aps.org/prl/abstract/10.1103/PhysRevLett.133.076401) +- **发布期刊：** Phys. Rev. Lett., 2024.08 + +- **论文链接：** [Neural-network density functional theory based on variational energy minimization](https://journals.aps.org/prl/abstract/10.1103/PhysRevLett.133.076401) ### **20. [用神经网络首创全前向智能光计算训练架构，国产光芯片实现重大突破](https://hyper.ai/news/33440)** -* **中文解读：** [https://hyper.ai/news/33440](https://hyper.ai/news/33440) -* **科研团队：** 清华大学戴琼海院士、方璐教授研究团队 +- **中文解读：** [https://hyper.ai/news/33440](https://hyper.ai/news/33440) + +- **科研团队：** 清华大学戴琼海院士、方璐教授研究团队 + +- **相关研究：** 神经网络、全前向模式、机器学习、MNIST 数据集、Fashion-MNIST 数据集、CIFAR-10 数据集、ImageNet 数据集、MWD 数据集、鸢尾花数据集、Chromium target 数据集 -* **相关研究：** 神经网络、全前向模式、机器学习、MNIST 数据集、Fashion-MNIST 数据集、CIFAR-10 数据集、ImageNet 数据集、MWD 数据集、鸢尾花数据集、Chromium target 数据集 +- **发布期刊：** Nature, 2024.08 -* **发布期刊：** Nature, 2024.08 +- **论文链接：** [Fully forward mode training for optical neural networks](https://www.nature.com/articles/s41586-024-07687-4) -* **论文链接：** [Fully forward mode training for optical neural networks](https://www.nature.com/articles/s41586-024-07687-4) ### **21. [化学大语言模型 ChemLLM 覆盖 7 百万问答数据，专业能力比肩 GPT-4](https://hyper.ai/news/34170)** -* **中文解读：** [https://hyper.ai/news/34170](https://hyper.ai/news/34170) -* **科研团队：** 上海人工智能实验室 +- **中文解读：** [https://hyper.ai/news/34170](https://hyper.ai/news/34170) -* **相关研究：** 大规模化学数据集 ChemData 、ChemPref-10K 的中英文版本数据集、C- MHChem 数据集、ChemBench4K 化学能力评测基准数据集、大规模化学基准测试 ChemBench、Multi-Corpus 综合语料库、NLP 任务、化学大语言模型 +- **科研团队：** 上海人工智能实验室 -* **发布期刊：** arXiv, 2024.02 +- **相关研究：** 大规模化学数据集 ChemData 、ChemPref-10K 的中英文版本数据集、C- MHChem 数据集、ChemBench4K 化学能力评测基准数据集、大规模化学基准测试 ChemBench、Multi-Corpus 综合语料库、NLP 任务、化学大语言模型 + +- **发布期刊：** arXiv, 2024.02 + +- **论文链接：** [ChemLLM: A Chemical Large Language Model](https://arxiv.org/abs/2402.06852) -* **论文链接：** [ChemLLM: A Chemical Large Language Model](https://arxiv.org/abs/2402.06852) ### **22. [可晶圆级生产的人工智能自适应微型光谱仪](https://hyper.ai/news/34075)** -* **中文解读：** [https://hyper.ai/news/34075](https://hyper.ai/news/34075) -* **科研团队：** 复旦大学材料科学系、智慧纳米机器人与纳米系统国际研究院梅永丰教授课题组 +- **中文解读：** [https://hyper.ai/news/34075](https://hyper.ai/news/34075) + +- **科研团队：** 复旦大学材料科学系、智慧纳米机器人与纳米系统国际研究院梅永丰教授课题组 -* **相关研究：** 光学光谱仪、微型化重构光谱仪、CMOS 集成电路工艺、窄带通道电流数据集 、全部通道电流数据集。在整个可见光波段表现出准确的光谱重构能力 +- **相关研究：** 光学光谱仪、微型化重构光谱仪、CMOS 集成电路工艺、窄带通道电流数据集 、全部通道电流数据集。在整个可见光波段表现出准确的光谱重构能力 -* **发布期刊：** PNAS, 2024.08 +- **发布期刊：** PNAS, 2024.08 + +- **论文链接：** [CMOS-Compatible Reconstructive Spectrometers with Self-Referencing Integrated Fabry-Perot Resonatorsl](https://www.pnas.org/doi/10.1073/pnas.2403950121) -* **论文链接：** [CMOS-Compatible Reconstructive Spectrometers with Self-Referencing Integrated Fabry-Perot Resonatorsl](https://www.pnas.org/doi/10.1073/pnas.2403950121) ### **23. [GNNOpt 模型，识别数百种太阳能电池和量子候选材料](https://hyper.ai/cn/news/35009)** -* **中文解读：** [https://hyper.ai/cn/news/35009](https://hyper.ai/cn/news/35009) -* **科研团队：** 日本东北大学、麻省理工学院 -* **相关研究：** DFT 计算、人工智能工具 GNNOpt、「集成嵌入」技术、集成等变神经网络、Materials Project 数据库、自动嵌入优化的集成嵌入层。成功识别出 246 种太阳能转换效率超过 32% 的材料、以及 296 种具有高量子权重的量子材料 +- **中文解读：** [https://hyper.ai/cn/news/35009](https://hyper.ai/cn/news/35009) + +- **科研团队：** 日本东北大学、麻省理工学院 +- **相关研究：** DFT 计算、人工智能工具 GNNOpt、「集成嵌入」技术、集成等变神经网络、Materials Project 数据库、自动嵌入优化的集成嵌入层。成功识别出 246 种太阳能转换效率超过 32% 的材料、以及 296 种具有高量子权重的量子材料 -* **发布期刊：** Advanced Materials, 2024.06 +- **发布期刊：** Advanced Materials, 2024.06 + +- **论文链接：** [Universal Ensemble-Embedding Graph Neural Network for Direct Prediction of Optical Spectra from Crystal Structures](https://onlinelibrary.wiley.com/doi/epdf/10.1002/adma.202409175) -* **论文链接：** [Universal Ensemble-Embedding Graph Neural Network for Direct Prediction of Optical Spectra from Crystal Structures](https://onlinelibrary.wiley.com/doi/epdf/10.1002/adma.202409175) ### **24. [开源 OMat24 数据集，含 1.1 亿 DFT 计算结果](https://hyper.ai/cn/news/35515)** -* **中文解读：** [https://hyper.ai/cn/news/35515](https://hyper.ai/cn/news/35515) -* **科研团队：** Meta -* **相关研究：** Open Materials 2024 (OMat24) 大规模开源数据集、EquformerV2 (eqV2) 模型、从头算分子动力学。数据集包含的元素几乎覆盖整个元素周期表，用于材料训练 DFT 替代模型 +- **中文解读：** [https://hyper.ai/cn/news/35515](https://hyper.ai/cn/news/35515) + +- **科研团队：** Meta +- **相关研究：** Open Materials 2024 (OMat24) 大规模开源数据集、EquformerV2 (eqV2) 模型、从头算分子动力学。数据集包含的元素几乎覆盖整个元素周期表，用于材料训练 DFT 替代模型 + +- **发布期刊：** arxiv, 2024.10 -* **发布期刊：** arxiv, 2024.10 +- **论文链接：** [Open Materials 2024 (OMat24) Inorganic Materials Dataset and Models](https://arxiv.org/pdf/2410.12771) -* **论文链接：** [Open Materials 2024 (OMat24) Inorganic Materials Dataset and Models](https://arxiv.org/pdf/2410.12771) ### **25. [通过机器学习合成的新型耐火高熵合金，室温延展性极佳](https://hyper.ai/cn/news/35536)** -* **中文解读：** [https://hyper.ai/cn/news/35536](https://hyper.ai/cn/news/35536) -* **科研团队：** 北京科技大学宿彦京团队 -* **相关研究：** 结合 ML ，遗传搜索，聚类分析和实验反馈的多目标优化 (MOO) 框架、机器学习模型。耐火高熵合金突破 1200°C 高温性能极限 +- **中文解读：** [https://hyper.ai/cn/news/35536](https://hyper.ai/cn/news/35536) -* **发布期刊：** Engineering, 2024.09 +- **科研团队：** 北京科技大学宿彦京团队 +- **相关研究：** 结合 ML ，遗传搜索，聚类分析和实验反馈的多目标优化 (MOO) 框架、机器学习模型。耐火高熵合金突破 1200°C 高温性能极限 + +- **发布期刊：** Engineering, 2024.09 + +- **论文链接：** [Machine-Learning-Assisted Compositional Design of Refractory High-Entropy Alloys with Optimal Strength and Ductility](https://www.sciencedirect.com/science/article/pii/S2095809924005113 ) -* **论文链接：** [Machine-Learning-Assisted Compositional Design of Refractory High-Entropy Alloys with Optimal Strength and Ductility](https://www.sciencedirect.com/science/article/pii/S2095809924005113 ) ### **26. [材料生成模型 FlowLLM，数据集覆盖超 4.5w 种材料](https://hyper.ai/cn/news/35846)** -* **中文解读：** [https://hyper.ai/cn/news/35846](https://hyper.ai/cn/news/35846) -* **科研团队：** Meta FAIR 实验室、阿姆斯特丹大学 -* **相关研究：** 材料生成模型 FlowLLM、S.U.N. 材料生成、大语言模型（LLM）、黎曼流匹配（RFM）、 MP-20 数据集、LoRA 方法。稳定性材料生成效率提升 300%，S.U.N. 材料生成效率提高 50% -* **发布期刊：** NeurIPS 2024, 2024.10 +- **中文解读：** [https://hyper.ai/cn/news/35846](https://hyper.ai/cn/news/35846) + +- **科研团队：** Meta FAIR 实验室、阿姆斯特丹大学 +- **相关研究：** 材料生成模型 FlowLLM、S.U.N. 材料生成、大语言模型（LLM）、黎曼流匹配（RFM）、 MP-20 数据集、LoRA 方法。稳定性材料生成效率提升 300%，S.U.N. 材料生成效率提高 50% +- **发布期刊：** NeurIPS 2024, 2024.10 + +- **论文链接：** [FlowLLM: Flow Matching for Material Generation with Large Language Models as Base Distributions](https://arxiv.org/pdf/2410.23405) -* **论文链接：** [FlowLLM: Flow Matching for Material Generation with Large Language Models as Base Distributions](https://arxiv.org/pdf/2410.23405) ### **27. [用主动学习识别 1.4 万个高熵氧化物，成功筛选 4 种高活性析氢催化剂](https://hyper.ai/cn/news/36352)** -* **中文解读：** [https://hyper.ai/cn/news/36352](https://hyper.ai/cn/news/36352) -* **科研团队：** 清华大学化学系王训团队、上海交通大学化学系吴量、中国科学院高能物理研究所储胜启、美国普渡大学数学系林光、美国杜克大学生物工程系向衍等 -* **相关研究：** 主动学习 (AL) 策略、包含 14 种过渡金属的附加库、主动学习方法、Kennard-Stone 采样方法、X 射线衍射 (XRD)、CrMnCoNiCu 催化剂 -* **发布期刊：** Journal of the American Chemical Society, 2024.10 +- **中文解读：** [https://hyper.ai/cn/news/36352](https://hyper.ai/cn/news/36352) + +- **科研团队：** 清华大学化学系王训团队、上海交通大学化学系吴量、中国科学院高能物理研究所储胜启、美国普渡大学数学系林光、美国杜克大学生物工程系向衍等 +- **相关研究：** 主动学习 (AL) 策略、包含 14 种过渡金属的附加库、主动学习方法、Kennard-Stone 采样方法、X 射线衍射 (XRD)、CrMnCoNiCu 催化剂 +- **发布期刊：** Journal of the American Chemical Society, 2024.10 + +- **论文链接：** [Active Learning Guided Discovery of High Entropy Oxides Featuring High H2‑production](https://pubs.acs.org/doi/10.1021/jacs.4c06272) -* **论文链接：** [Active Learning Guided Discovery of High Entropy Oxides Featuring High H2‑production](https://pubs.acs.org/doi/10.1021/jacs.4c06272) ### **28. [深度学习模型 BETE-NET，超导材料搜索效率提升 5 倍](https://hyper.ai/cn/news/37658)** -* **中文解读：** [https://hyper.ai/cn/news/37658](https://hyper.ai/cn/news/37658) -* **科研团队：** 美国佛罗里达大学和田纳西大学研究人员 -* **相关研究：** 深度学习模型 BETE-NET、α²F(ω) 数据集、Eliashberg 谱函数数据集、现代深度学习技术、包含 818 种动态稳定材料的高质量电子-声子计算的全面数据库、双重下降 -* **发布期刊：** npj Computational Materials, 2025.1 +- **中文解读：** [https://hyper.ai/cn/news/37658](https://hyper.ai/cn/news/37658) + +- **科研团队：** 美国佛罗里达大学和田纳西大学研究人员 +- **相关研究：** 深度学习模型 BETE-NET、α²F(ω) 数据集、Eliashberg 谱函数数据集、现代深度学习技术、包含 818 种动态稳定材料的高质量电子-声子计算的全面数据库、双重下降 +- **发布期刊：** npj Computational Materials, 2025.1 + +- **论文链接：** [Accelerating superconductor discovery through tempered deep learning of the electron-phonon spectral function](https://www.nature.com/articles/s41524-024-01475-4) -* **论文链接：** [Accelerating superconductor discovery through tempered deep learning of the electron-phonon spectral function](https://www.nature.com/articles/s41524-024-01475-4) ### **29. [梯度提升决策树 (GBDT) 技术，进一步提高高熵合金抗氧化性能的高精度预测](https://hyper.ai/cn/news/37723)** -* **中文解读：** [https://hyper.ai/cn/news/37723](https://hyper.ai/cn/news/37723) -* **科研团队：** 法国波尔多大学、日本国立材料科学研究所、中国台湾国立清华大学、比利时鲁汶大学、比利时 WEL 研究所的联合研究团队 -* **相关研究：** 梯度提升决策树 (GBDT) 技术、对 RHEAs 和 RCCAs 抗氧化性能的高精度预测、XGBoost 算法、高温材料、高熵合金 -* **发布期刊：** Scripta Materialia, 2025.1 +- **中文解读：** [https://hyper.ai/cn/news/37723](https://hyper.ai/cn/news/37723) + +- **科研团队：** 法国波尔多大学、日本国立材料科学研究所、中国台湾国立清华大学、比利时鲁汶大学、比利时 WEL 研究所的联合研究团队 +- **相关研究：** 梯度提升决策树 (GBDT) 技术、对 RHEAs 和 RCCAs 抗氧化性能的高精度预测、XGBoost 算法、高温材料、高熵合金 +- **发布期刊：** Scripta Materialia, 2025.1 + +- **论文链接：** [Advancing refractory high entropy alloy development with AI-predictive models for high temperature oxidation resistance](https://doi.org/10.1016/j.scriptamat.2024.116394) -* **论文链接：** [Advancing refractory high entropy alloy development with AI-predictive models for high temperature oxidation resistance](https://doi.org/10.1016/j.scriptamat.2024.116394) ### **30. [分子设计 RingFormer 框架，更精准预测有机材料分子光电性能](https://hyper.ai/cn/news/37870)** -* **中文解读：** [https://hyper.ai/cn/news/37870](https://hyper.ai/cn/news/37870) -* **科研团队：** 香港理工大学团队 -* **相关研究：** 分子设计、Transformer 架构、分子光电性能、Clean Energy Project Database (CEPDB) 测试集、有机太阳能电池、图神经网络、RingFormer 框架 -* **发布期刊：** AAAI 2025, 2024.12 +- **中文解读：** [https://hyper.ai/cn/news/37870](https://hyper.ai/cn/news/37870) + +- **科研团队：** 香港理工大学团队 +- **相关研究：** 分子设计、Transformer 架构、分子光电性能、Clean Energy Project Database (CEPDB) 测试集、有机太阳能电池、图神经网络、RingFormer 框架 +- **发布期刊：** AAAI 2025, 2024.12 + +- **论文链接：** [RingFormer: A Ring-Enhanced Graph Transformer for Organic Solar Cell Property Prediction](https://doi.org/10.48550/arXiv.2412.09030) -* **论文链接：** [RingFormer: A Ring-Enhanced Graph Transformer for Organic Solar Cell Property Prediction](https://doi.org/10.48550/arXiv.2412.09030) ### **31. [无机逆合成规划方法 Retrieval-Retro，提高无机材料合成的效率和准确性](https://hyper.ai/cn/news/37969)** -* **中文解读：** [https://hyper.ai/cn/news/37969](https://hyper.ai/cn/news/37969) -* **科研团队：** 韩国化学技术研究所、韩国科学技术院 -* **相关研究：** 无机逆合成规划方法 Retrieval-Retro、卷积变分自编码器率、无机材料、掩码前驱体补全检索器、神经反应能检索器、检索技术、自注意力和交叉注意力机制 -* **发布期刊：** NeurIPS 2024, 2024.10 +- **中文解读：** [https://hyper.ai/cn/news/37969](https://hyper.ai/cn/news/37969) + +- **科研团队：** 韩国化学技术研究所、韩国科学技术院 +- **相关研究：** 无机逆合成规划方法 Retrieval-Retro、卷积变分自编码器率、无机材料、掩码前驱体补全检索器、神经反应能检索器、检索技术、自注意力和交叉注意力机制 +- **发布期刊：** NeurIPS 2024, 2024.10 + +- **论文链接：** [Retrieval-Retro: Retrieval-based Inorganic Retrosynthesis with Expert Knowledge](https://doi.org/10.48550/arXiv.2410.21341) + +### **32. [以大模型解析氢化物固态电解质传导机制，建立可靠活化能预测模型](https://hyper.ai/cn/news/39173)** + +- **中文解读：** [https://hyper.ai/cn/news/39173](https://hyper.ai/cn/news/39173) + +- **科研团队：** 日本东北大学、中国四川大学、日本芝浦工业大学 +- **相关研究：** 固态电解质（SSEs）、大型语言模型、ab initio 元动力学（MetaD）模拟、MetaD 模拟、系统模型体系 +- **发布期刊：** Angewandte Chemie-International Edition, 2025.04 + +- **论文链接：** [Unraveling the Complexity of Divalent Hydride Electrolytes in Solid-State Batteries via a Data-Driven Framework with Large Language Model](https://go.hyper.ai/isQRi) + +### **33. [基于机器学习实现万亿级质谱数据搜索，发现未知化学反应](https://hyper.ai/cn/news/39224)** + +- **中文解读：** [https://hyper.ai/cn/news/39224](https://hyper.ai/cn/news/39224) + +- **科研团队：** 俄罗斯科学院等机构 +- **相关研究：** 质谱分析、机器学习（ML）驱动搜索引擎 MEDUSA Search、 PubChem 数据库 +- **发布期刊：** Nature Communications, 2025.01 + +- **论文链接：** [Discovering organic reactions with a machine-learning-powered deciphering of tera-scale mass spectrometry data](https://go.hyper.ai/ak7bN) + +### **34. [基于扩散模型的生成式人工智能结构解析方法 PXRDnet，成功解析 200 种复杂模拟纳米晶体](https://hyper.ai/cn/news/39287)** + +- **中文解读：** [https://hyper.ai/cn/news/39287](https://hyper.ai/cn/news/39287) + +- **科研团队：** 哥伦比亚大学、斯坦福大学 +- **相关研究：** X 射线衍射、基于扩散模型的生成式人工智能结构解析方法 PXRDnet、MP-20-PXRD 基准数据集、Materials Project 数据库、 CDVAE 架构、PXRD 回归器 +- **发布期刊：** Nature Materials, 2025.04 + +- **论文链接：** [Ab initio structure solutions from nanocrystalline powder diffraction data via diffusion models](https://go.hyper.ai/r1K6b) -* **论文链接：** [Retrieval-Retro: Retrieval-based Inorganic Retrosynthesis with Expert Knowledge](https://doi.org/10.48550/arXiv.2410.21341) ## **AI+动植物科学：AI+Zoology-Botany** ### **1. [SBeA 基于少样本学习框架进行动物社会行为分析](https://hyper.ai/news/29353)** -* **中文解读：** [https://hyper.ai/news/29353](https://hyper.ai/news/29353) -* **科研团队：** 中科院深圳先进院蔚鹏飞研究团队 +- **中文解读：** [https://hyper.ai/news/29353](https://hyper.ai/news/29353) + +- **科研团队：** 中科院深圳先进院蔚鹏飞研究团队 -* **相关研究：** PAIR-R24M 数据集、双向迁移学习、非监督式学习、人工神经网络、身份识别模型。在多动物身份识别方面的准确率超过 90% +- **相关研究：** PAIR-R24M 数据集、双向迁移学习、非监督式学习、人工神经网络、身份识别模型。在多动物身份识别方面的准确率超过 90% -* **发布期刊：** Nature Machine Intelligence, 2024.01 +- **发布期刊：** Nature Machine Intelligence, 2024.01 -* **论文链接：** [Multi-animal 3D social pose estimation, identification and behaviour embedding with a few-shot learning framework](https://www.nature.com/articles/s42256-023-00776-5) +- **论文链接：** [Multi-animal 3D social pose estimation, identification and behaviour embedding with a few-shot learning framework](https://www.nature.com/articles/s42256-023-00776-5) ### **2. [基于孪生网络的深度学习方法，自动捕捉胚胎发育过程](https://hyper.ai/cn/news/28419)** -* **中文解读：** [https://hyper.ai/news/28787](https://hyper.ai/cn/news/28419) -* **科研团队：** 系统生物学家 Patrick Müller 及康斯坦茨大学研究团队 +- **中文解读：** [https://hyper.ai/news/28787](https://hyper.ai/cn/news/28419) -* **相关研究：** ImageNet 数据集、孪生网络、深度学习、迁移学习、三联体损失训练、迭代训练、分任务训练。在没有人为干预的情况下识别胚胎发育特征阶段点 +- **科研团队：** 系统生物学家 Patrick Müller 及康斯坦茨大学研究团队 -* **发布期刊：** Nature Methods, 2023.11 +- **相关研究：** ImageNet 数据集、孪生网络、深度学习、迁移学习、三联体损失训练、迭代训练、分任务训练。在没有人为干预的情况下识别胚胎发育特征阶段点 -* **论文链接：** [Uncovering developmental time and tempo using deep learning](https://www.nature.com/articles/s41592-023-02083-8) +- **发布期刊：** Nature Methods, 2023.11 + +- **论文链接：** [Uncovering developmental time and tempo using deep learning](https://www.nature.com/articles/s41592-023-02083-8) ### **3. [利用无人机采集植物表型数据的系统化流程，预测最佳采收日期](https://hyper.ai/news/28303)** -* **中文解读：** [https://hyper.ai/news/28303](https://hyper.ai/news/28303) -* **科研团队：** 东京大学和千叶大学的研究团队 +- **中文解读：** [https://hyper.ai/news/28303](https://hyper.ai/news/28303) + +- **科研团队：** 东京大学和千叶大学的研究团队 -* **相关研究：** 利润预测模型、分割模型、交互式标注、LabelMe、非线性回归模型、BiSeNet 模型 -* **发布期刊：** Plant Phenomics, 2023.09 +- **相关研究：** 利润预测模型、分割模型、交互式标注、LabelMe、非线性回归模型、BiSeNet 模型 +- **发布期刊：** Plant Phenomics, 2023.09 -* **论文链接：** [Drone-Based Harvest Data Prediction Can Reduce On-Farm Food Loss and Improve Farmer Income](https://spj.science.org/doi/10.34133/plantphenomics.0086#body-ref-B4) +- **论文链接：** [Drone-Based Harvest Data Prediction Can Reduce On-Farm Food Loss and Improve Farmer Income](https://spj.science.org/doi/10.34133/plantphenomics.0086#body-ref-B4) ### **4. [AI 相机警报系统准确区分老虎和其他物种](https://hyper.ai/news/27954)** -* **中文解读：** [https://hyper.ai/news/27954](https://hyper.ai/news/27954) -* **科研团队：** 克莱姆森大学的研究团队 +- **中文解读：** [https://hyper.ai/news/27954](https://hyper.ai/news/27954) -* **相关研究：** TrailGuard AI。1 分钟内将相关图像传到保护区管理员的终端设备上 +- **科研团队：** 克莱姆森大学的研究团队 -* **发布期刊：** BioScience, 2023.09 +- **相关研究：** TrailGuard AI。1 分钟内将相关图像传到保护区管理员的终端设备上 -* **论文链接：** [Accurate proteome-wide missense variant effect prediction with AlphaMissense](https://www.science.org/doi/10.1126/science.adg7492) +- **发布期刊：** BioScience, 2023.09 + +- **论文链接：** [Accurate proteome-wide missense variant effect prediction with AlphaMissense](https://www.science.org/doi/10.1126/science.adg7492) ### **5. [利用拉布拉多猎犬数据，对比 3 种模型，发现了影响嗅觉检测犬表现的行为特性](https://hyper.ai/news/25472)** -* **中文解读：** [https://hyper.ai/news/25472](https://hyper.ai/news/25472) -* **科研团队：** 美国全国儿童医院阿比盖尔·韦克斯纳研究所、洛基维斯塔大学的研究团队 +- **中文解读：** [https://hyper.ai/news/25472](https://hyper.ai/news/25472) + +- **科研团队：** 美国全国儿童医院阿比盖尔·韦克斯纳研究所、洛基维斯塔大学的研究团队 -* **相关研究：** AT 测试、Env 测试、随机森林、支持向量机、逻辑回归、PCA、RFECV +- **相关研究：** AT 测试、Env 测试、随机森林、支持向量机、逻辑回归、PCA、RFECV -* **发布期刊：** Scientific Reports, 2023.08 +- **发布期刊：** Scientific Reports, 2023.08 -* **论文链接：** [Machine learning prediction and classification of behavioral selection in a canine olfactory detection program](https://www.nature.com/articles/s41598-023-39112-7) +- **论文链接：** [Machine learning prediction and classification of behavioral selection in a canine olfactory detection program](https://www.nature.com/articles/s41598-023-39112-7) ### **6. [基于人脸识别 ArcFace Classification Head 的多物种图像识别模型](https://hyper.ai/news/25164)** -* **中文解读：** [https://hyper.ai/news/25164](https://hyper.ai/news/25164) -* **科研团队：** 夏威夷大学的研究团队 +- **中文解读：** [https://hyper.ai/news/25164](https://hyper.ai/news/25164) + +- **科研团队：** 夏威夷大学的研究团队 -* **相关研究：** [鲸类数据集](https://github.com/knshnb/kaggle-happywhale-1st-place)、图像修剪模型、图像识别模型、YOLOv5、Detic。达到了 0.869 的平均准确率 +- **相关研究：** [鲸类数据集](https://github.com/knshnb/kaggle-happywhale-1st-place)、图像修剪模型、图像识别模型、YOLOv5、Detic。达到了 0.869 的平均准确率 -* **发布期刊：** Methods in Ecology and Evolution, 2023.07 +- **发布期刊：** Methods in Ecology and Evolution, 2023.07 -* **论文链接：** [A deep learning approach to photo–identification demonstrates high performance on two dozen cetacean species](https://besjournals.onlinelibrary.wiley.com/doi/full/10.1111/2041-210X.14167) +- **论文链接：** [A deep learning approach to photo–identification demonstrates high performance on two dozen cetacean species](https://besjournals.onlinelibrary.wiley.com/doi/full/10.1111/2041-210X.14167) ### **7. [利用 Python API 与计算机视觉 API，监测日本的樱花开放情况](https://hyper.ai/news/24512)** -* **中文解读：** [https://hyper.ai/news/24512](https://hyper.ai/news/24512) -* **科研团队：** 澳大利亚莫纳什大学的研究团队 +- **中文解读：** [https://hyper.ai/news/24512](https://hyper.ai/news/24512) -* **相关研究：** 社交网站 (SNS) 数据、Google Cloud Vision AI、机器学习模型 -* **发布期刊：** Flora, 2023.07 +- **科研团队：** 澳大利亚莫纳什大学的研究团队 -* **论文链接：** [The spatiotemporal signature of cherry blossom flowering across Japan revealed via analysis of social network site images](https://www.sciencedirect.com/science/article/abs/pii/S0367253023001019) +- **相关研究：** 社交网站 (SNS) 数据、Google Cloud Vision AI、机器学习模型 +- **发布期刊：** Flora, 2023.07 + +- **论文链接：** [The spatiotemporal signature of cherry blossom flowering across Japan revealed via analysis of social network site images](https://www.sciencedirect.com/science/article/abs/pii/S0367253023001019) ### **8. [基于机器学习的群体遗传方法，揭示葡萄风味的形成机制](https://hyper.ai/news/24442)** -* **中文解读：** [https://hyper.ai/news/24442](https://hyper.ai/news/24442) -* **科研团队：** 中国农业科学院深圳农业基因组的研究团队 +- **中文解读：** [https://hyper.ai/news/24442](https://hyper.ai/news/24442) -* **相关研究：** [葡萄基因组序列](https://github.com/zhouyflab/Grapevine_Adaptive_Maladaptive_Introgression)、机器学习 +- **科研团队：** 中国农业科学院深圳农业基因组的研究团队 -* **发布期刊：** Proceedings of the National Academy of Sciences, 2023.06 +- **相关研究：** [葡萄基因组序列](https://github.com/zhouyflab/Grapevine_Adaptive_Maladaptive_Introgression)、机器学习 -* **论文链接：** [Adaptive and maladaptive introgression in grapevine domestication](https://www.pnas.org/doi/abs/10.1073/pnas.2222041120) +- **发布期刊：** Proceedings of the National Academy of Sciences, 2023.06 +- **论文链接：** [Adaptive and maladaptive introgression in grapevine domestication](https://www.pnas.org/doi/abs/10.1073/pnas.2222041120) ### **9. [综述：借助 AI 更高效地开启生物信息学研究](https://hyper.ai/news/33931)** -* **中文解读：** [https://hyper.ai/news/33931](https://hyper.ai/news/33931) -* **主要内容：** AI 在同源搜索、多重比对及系统发育构建、基因组序列分析、基因发现等生物学领域中，都有丰富的应用案例。作为一名生物学研究人员，能熟练地将机器学习工具整合到数据分析中，必将加速科学发现、提升科研效率。 +- **中文解读：** [https://hyper.ai/news/33931](https://hyper.ai/news/33931) + +- **主要内容：** AI 在同源搜索、多重比对及系统发育构建、基因组序列分析、基因发现等生物学领域中，都有丰富的应用案例。作为一名生物学研究人员，能熟练地将机器学习工具整合到数据分析中，必将加速科学发现、提升科研效率。 ### **10. [BirdFlow 模型准确预测候鸟的飞行路径](https://hyper.ai/cn/news/34781)** -* **中文解读：** [https://hyper.ai/news/33942](https://hyper.ai/news/33942) -* **科研团队：** 马萨诸塞州立大学、康奈尔大学的研究团队 +- **中文解读：** [https://hyper.ai/news/33942](https://hyper.ai/news/33942) + +- **科研团队：** 马萨诸塞州立大学、康奈尔大学的研究团队 -* **相关研究：** 计算机建模、eBird 数据集、马尔可夫模型、Hyperparameter grid search、Entropy calibration、k-week forecasting +- **相关研究：** 计算机建模、eBird 数据集、马尔可夫模型、Hyperparameter grid search、Entropy calibration、k-week forecasting -* **发布期刊：** Methods in Ecology and Evolution, 2023.01 +- **发布期刊：** Methods in Ecology and Evolution, 2023.01 + +- **论文链接：** [BirdFlow: Learning seasonal bird movements from eBird data](https://besjournals.onlinelibrary.wiley.com/doi/full/10.1111/2041-210X.14052) -* **论文链接：** [BirdFlow: Learning seasonal bird movements from eBird data](https://besjournals.onlinelibrary.wiley.com/doi/full/10.1111/2041-210X.14052) ### **11. [新的鲸鱼生物声学模型，可识别 8 种鲸类](https://hyper.ai/cn/news/34781)** -* **中文解读：** [https://hyper.ai/cn/news/34781](https://hyper.ai/cn/news/34781) -* **科研团队：** Google Research 团队 +- **中文解读：** [https://hyper.ai/cn/news/34781](https://hyper.ai/cn/news/34781) + +- **科研团队：** Google Research 团队 -* **相关研究：** 梅尔尺度的频率轴 、压缩数振幅、可通过 TensorFlow 的 SavedModel API 独立调用、卷积神经网络、用于检测座头鲸叫声的分类模型、互动可视化工具「Pattern Radio」。专门用于识别蓝鲸和长须鲸的模型、可识别目前已知 94 种鲸鱼种类中的 8 个不同物种 +- **相关研究：** 梅尔尺度的频率轴 、压缩数振幅、可通过 TensorFlow 的 SavedModel API 独立调用、卷积神经网络、用于检测座头鲸叫声的分类模型、互动可视化工具「Pattern Radio」。专门用于识别蓝鲸和长须鲸的模型、可识别目前已知 94 种鲸鱼种类中的 8 个不同物种 -* **发布期刊：** Google Research, 2024.9 +- **发布期刊：** Google Research, 2024.9 -* **论文链接：** [Whistles, songs, boings, and biotwangs: Recognizing whale vocalizations with AI](https://research.google/blog/whistles-songs-boings-and-biotwangs-recognizing-whale-vocalizations-with-ai) +- **论文链接：** [Whistles, songs, boings, and biotwangs: Recognizing whale vocalizations with AI](https://research.google/blog/whistles-songs-boings-and-biotwangs-recognizing-whale-vocalizations-with-ai) ### **12. [用机器学习分离抹香鲸发音字母表，高度类似人类语言，信息承载能力更强](https://hyper.ai/news/33433)** -* **中文解读：** [https://hyper.ai/news/33433](https://hyper.ai/news/33433) -* **科研团队：** 麻省理工学院 Pratyusha Sharma 以及 CETI 的研究团队 +- **中文解读：** [https://hyper.ai/news/33433](https://hyper.ai/news/33433) + +- **科研团队：** 麻省理工学院 Pratyusha Sharma 以及 CETI 的研究团队 -* **相关研究：** DSWP 数据集、机器学习、抹香鲸声音具有结构性 +- **相关研究：** DSWP 数据集、机器学习、抹香鲸声音具有结构性 -* **发布期刊：** Nature Communications, 2024.05 +- **发布期刊：** Nature Communications, 2024.05 -* **论文链接：** [Contextual and combinatorial structure in sperm whale vocalisations](https://www.nature.com/articles/s41467-024-47221-8) +- **论文链接：** [Contextual and combinatorial structure in sperm whale vocalisations](https://www.nature.com/articles/s41467-024-47221-8) ## **AI+农林畜牧业：AI+Agriculture-Forestry-Animal husbandry** ### **1. [利用卷积神经网络，对水稻产量进行迅速、准确的统计](https://hyper.ai/news/26100)** -* **中文解读：** [https://hyper.ai/news/26100](https://hyper.ai/news/26100) -* **科研团队：** 京都大学的研究团队 +- **中文解读：** [https://hyper.ai/news/26100](https://hyper.ai/news/26100) -* **相关研究：** 卷积神经网络。CNN 模型可以对不同拍摄角度、时间和时期下得到的农田照片准确分析，得到稳定的产量预测结果 +- **科研团队：** 京都大学的研究团队 -* **发布期刊：** Plant Phenomics, 2023.07 +- **相关研究：** 卷积神经网络。CNN 模型可以对不同拍摄角度、时间和时期下得到的农田照片准确分析，得到稳定的产量预测结果 -* **论文链接：** [Deep Learning Enables Instant and Versatile Estimation of Rice Yield Using Ground-Based RGB Images](https://spj.science.org/doi/10.34133/plantphenomics.0073) +- **发布期刊：** Plant Phenomics, 2023.07 + +- **论文链接：** [Deep Learning Enables Instant and Versatile Estimation of Rice Yield Using Ground-Based RGB Images](https://spj.science.org/doi/10.34133/plantphenomics.0073) ### **2. [通过 YOLOv5 算法，设计监测母猪姿势与猪仔出生的模型](https://hyper.ai/news/25131)** -* **中文解读：** [https://hyper.ai/news/25131](https://hyper.ai/news/25131) -* **科研团队：** 南京农业大学研究团队 +- **中文解读：** [https://hyper.ai/news/25131](https://hyper.ai/news/25131) + +- **科研团队：** 南京农业大学研究团队 -* **相关研究：** YOLOv5、检测母猪姿势和仔猪的模型。能够在产仔开始前 5 小时发出警报，总体平均准确率为 92.9% +- **相关研究：** YOLOv5、检测母猪姿势和仔猪的模型。能够在产仔开始前 5 小时发出警报，总体平均准确率为 92.9% -* **发布期刊：** Sensors, 2023.01 +- **发布期刊：** Sensors, 2023.01 -* **论文链接：** [Sow Farrowing Early Warning and Supervision for Embedded Board Implementations](https://www.mdpi.com/1424-8220/23/2/727) +- **论文链接：** [Sow Farrowing Early Warning and Supervision for Embedded Board Implementations](https://www.mdpi.com/1424-8220/23/2/727) ### **3. [结合实验室观测与机器学习，证明番茄与烟草植物在胁迫环境下发出的超声波能在空气中传播](https://hyper.ai/news/24547)** -* **中文解读：** [https://hyper.ai/news/24547](https://hyper.ai/news/24547) -* **科研团队：** 以色列特拉维夫大学的研究团队 +- **中文解读：** [https://hyper.ai/news/24547](https://hyper.ai/news/24547) -* **相关研究：** 机器学习模型、SVM、Basic、MFCC、Scattering network、神经网络模型、留一法交叉验证。识别准确率高达 99.7%、4-6 天时番茄尖叫声最大 +- **科研团队：** 以色列特拉维夫大学的研究团队 -* **发布期刊：** Cell, 2023.03 +- **相关研究：** 机器学习模型、SVM、Basic、MFCC、Scattering network、神经网络模型、留一法交叉验证。识别准确率高达 99.7%、4-6 天时番茄尖叫声最大 -* **论文链接：** [Sounds emitted by plants under stress are airborne and informative](https://doi.org/10.1016/j.cell.2023.03.009) +- **发布期刊：** Cell, 2023.03 + +- **论文链接：** [Sounds emitted by plants under stress are airborne and informative](https://doi.org/10.1016/j.cell.2023.03.009) ### **4. [无人机+ AI 图像分析，检测林业害虫](https://hyper.ai/news/23807)** -* **中文解读：** [https://hyper.ai/news/23807](https://hyper.ai/news/23807) -* **科研团队：** 里斯本大学研究团队 +- **中文解读：** [https://hyper.ai/news/23807](https://hyper.ai/news/23807) + +- **科研团队：** 里斯本大学研究团队 -* **相关研究：** FRCNN、YOLO 模型。YOLO 模型的检测性能高于 FRCNN、无人机和 AI 模型相结合能够有效地对松异舟蛾巢穴进行早期检测 +- **相关研究：** FRCNN、YOLO 模型。YOLO 模型的检测性能高于 FRCNN、无人机和 AI 模型相结合能够有效地对松异舟蛾巢穴进行早期检测 -* **发布期刊：** NeoBiota, 2023.05 +- **发布期刊：** NeoBiota, 2023.05 -* **论文链接：** [Testing early detection of pine processionary moth Thaumetopoea pityocampa nests using UAV-based methods](https://neobiota.pensoft.net/article/95692/) +- **论文链接：** [Testing early detection of pine processionary moth Thaumetopoea pityocampa nests using UAV-based methods](https://neobiota.pensoft.net/article/95692/) ### **5. [计算机视觉+深度学习开发奶牛跛行检测系统](https://hyper.ai/news/33957)** -* **中文解读：** [https://hyper.ai/news/33957](https://hyper.ai/news/33957) -* **科研团队：** 纽卡斯尔大学及费拉科学有限公司的研究团队 +- **中文解读：** [https://hyper.ai/news/33957](https://hyper.ai/news/33957) + +- **科研团队：** 纽卡斯尔大学及费拉科学有限公司的研究团队 -* **相关研究：** 计算机视觉、深度学习、Mask-RCNN 算法、SORT 算法、CatBoost 算法。准确度可达 94%-100% +- **相关研究：** 计算机视觉、深度学习、Mask-RCNN 算法、SORT 算法、CatBoost 算法。准确度可达 94%-100% -* **发布期刊：** Nature, 2023.03 +- **发布期刊：** Nature, 2023.03 -* **论文链接：** [Deep learning pose estimation for multi-cattle lameness detection](https://www.nature.com/articles/s41598-023-31297-1) +- **论文链接：** [Deep learning pose estimation for multi-cattle lameness detection](https://www.nature.com/articles/s41598-023-31297-1) ## **AI+ 气象学：AI+Meteorology** + ### **1. [综述：数据驱动的机器学习天气预报模型](https://hyper.ai/news/28124)** -* **中文解读：** [https://hyper.ai/news/28124](https://hyper.ai/news/28124) -* **主要内容：** 数值天气预报是天气预报的主流方法。它通过数值积分，对地球系统的状态进行逐网格的求解，是一个演绎推理的过程。 2022 年以来，天气预报领域的机器学习模型取得了一系列突破，部分成果可以与欧洲中期天气预报中心的高精度预测匹敌。 +- **中文解读：** [https://hyper.ai/news/28124](https://hyper.ai/news/28124) + +- **主要内容：** 数值天气预报是天气预报的主流方法。它通过数值积分，对地球系统的状态进行逐网格的求解，是一个演绎推理的过程。 2022 年以来，天气预报领域的机器学习模型取得了一系列突破，部分成果可以与欧洲中期天气预报中心的高精度预测匹敌。 ### **2. [综述：从雹暴中心收集数据，利用大模型预测极端天气](https://hyper.ai/news/25874)** -* **中文解读：** [https://hyper.ai/news/25874](https://hyper.ai/news/25874) -* **主要内容：** 2021 年，达摩院与国家气象中心联合研发了 AI 算法用于天气预测，并成功预测了多次强对流天气。同年 9 月，Deepmind 在《Nature》上发表文章，利用深度生成模型进行降雨量的实时预报。 +- **中文解读：** [https://hyper.ai/news/25874](https://hyper.ai/news/25874) + +- **主要内容：** 2021 年，达摩院与国家气象中心联合研发了 AI 算法用于天气预测，并成功预测了多次强对流天气。同年 9 月，Deepmind 在《Nature》上发表文章，利用深度生成模型进行降雨量的实时预报。 2023 年年初，Deepmind 正式推出了 GraphCast，可以在一分钟内对全球未来 10 天的气象，进行分辨率为 0.25° 的预测。 4 月，南京信息工程大学和上海人工智能实验室合作研发了「风乌」气象预测大模型，误差较 GraphCast 进一步降低。 随后，华为推出了「盘古」气象大模型。由于模型中引出了三维神经网络，「盘古」的预测准确率首次超过了目前最准确的 NWP 预测系统。近期，清华大学和复旦大学相继发布了「NowCastNet」和「伏羲」模型。 ### **3. [利用全球风暴解析模拟与机器学习，创建新算法，准确预测极端降水](https://hyper.ai/news/24995)** -* **中文解读：** [https://hyper.ai/news/24995](https://hyper.ai/news/24995) -* **科研团队：** 哥伦比亚大学 LEAP 实验室 +- **中文解读：** [https://hyper.ai/news/24995](https://hyper.ai/news/24995) -* **相关研究：** 机器学习、Baseline-NN、Org-NN、神经网络 -* **发布期刊：** PNAS, 2023.03 +- **科研团队：** 哥伦比亚大学 LEAP 实验室 -* **论文链接：** [Implicit learning of convective organization explains precipitation stochasticity -](https://www.pnas.org/doi/10.1073/pnas.2216158120) +- **相关研究：** 机器学习、Baseline-NN、Org-NN、神经网络 +- **发布期刊：** PNAS, 2023.03 +- **论文链接：** [Implicit learning of convective organization explains precipitation stochasticity +](https://www.pnas.org/doi/10.1073/pnas.2216158120) ### **4. [基于随机森林的机器学习模型 CSU-MLP，预测中期恶劣天气](https://hyper.ai/news/33966)** -* **中文解读：** [https://hyper.ai/news/33966](https://hyper.ai/news/33966) -* **科研团队：** 美国科罗拉多州立大学和国家海洋和大气管理局的研究团队 +- **中文解读：** [https://hyper.ai/news/33966](https://hyper.ai/news/33966) + +- **科研团队：** 美国科罗拉多州立大学和国家海洋和大气管理局的研究团队 + +- **相关研究：** GEFS/R 数据集、机器学习、插值处理、RF。可对中期（4-8 天）范围内恶劣天气进行准确预报 + +- **发布期刊：** Weather and Forecasting, 2022.08 -* **相关研究：** GEFS/R 数据集、机器学习、插值处理、RF。可对中期（4-8 天）范围内恶劣天气进行准确预报 +- **论文链接：** [A new paradigm for medium-range severe weather forecasts: probabilistic random forest-based predictions](https://arxiv.org/abs/2208.02383) -* **发布期刊：** Weather and Forecasting, 2022.08 +### **5. [端到端数据驱动天气预报系统 Aardvark Weather，预测速度超传统方法数十倍](https://hyper.ai/cn/news/38605)** -* **论文链接：** [A new paradigm for medium-range severe weather forecasts: probabilistic random forest-based predictions](https://arxiv.org/abs/2208.02383) +- **中文解读：** [https://hyper.ai/cn/news/38605](https://hyper.ai/cn/news/38605) +- **科研团队：** 剑桥大学、图灵研究所、多伦多大学、微软科学智能中心、欧洲中期天气预报中心、英国南极调查局、谷歌 DeepMind + +- **相关研究：** 天气预报系统、HadISD 数据集、微波-红外协同观测网络、ATOVS 系统、ASCAT 散射计数据、ERA5 再分析数据集、轻量级卷积网络 + +- **发布期刊：** Nature, 2025.03 + +- **论文链接：** [End-to-end data-driven weather prediction](https://www.nature.com/articles/s41586-025-08897-0) ## **AI+ 天文学：AI+Astronomy** + ### **1. [PRIMO 算法学习黑洞周围的光线传播规律，重建出更清晰的黑洞图像](https://hyper.ai/news/23698)** -* **中文解读：** [https://hyper.ai/news/23698](https://hyper.ai/news/23698) -* **科研团队：** 普林斯顿高等研究院研究团队 +- **中文解读：** [https://hyper.ai/news/23698](https://hyper.ai/news/23698) -* **相关研究：** PRIMO 算法、PCA、GRMHD。PRIMO 重建黑洞图像 +- **科研团队：** 普林斯顿高等研究院研究团队 -* **发布期刊：** The Astrophysical Journal Letters, 2023.04 +- **相关研究：** PRIMO 算法、PCA、GRMHD。PRIMO 重建黑洞图像 -* **论文链接：** [The Image of the M87 Black Hole Reconstructed with PRIMO](https://iopscience.iop.org/article/10.3847/2041-8213/acc32d/pdf) +- **发布期刊：** The Astrophysical Journal Letters, 2023.04 +- **论文链接：** [The Image of the M87 Black Hole Reconstructed with PRIMO](https://iopscience.iop.org/article/10.3847/2041-8213/acc32d/pdf) ### **2. [利用模拟数据训练计算机视觉算法，对天文图像进行锐化「还原」](https://hyper.ai/news/33975)** -* **中文解读：** [https://hyper.ai/news/33975](https://hyper.ai/news/33975) -* **科研团队：** 清华大学及美国西北大学研究团队 +- **中文解读：** [https://hyper.ai/news/33975](https://hyper.ai/news/33975) + +- **科研团队：** 清华大学及美国西北大学研究团队 -* **相关研究：** [Galsim](https://github.com/GalSim-developers/GalSim)、[COSMOS](https://doi.org/10.5281/zenodo.3242143)、计算机视觉算法、CNN、Richardson-Lucy 算法、unrolled-ADMM 神经网络 +- **相关研究：** [Galsim](https://github.com/GalSim-developers/GalSim)、[COSMOS](https://doi.org/10.5281/zenodo.3242143)、计算机视觉算法、CNN、Richardson-Lucy 算法、unrolled-ADMM 神经网络 -* **发布期刊：** 皇家天文学会月刊，2023.06 +- **发布期刊：** 皇家天文学会月刊，2023.06 -* **论文链接：** [Galaxy image deconvolution for weak gravitational lensing with unrolled plug-and-play ADMM](https://www.nature.com/articles/s41421-023-00543-1) +- **论文链接：** [Galaxy image deconvolution for weak gravitational lensing with unrolled plug-and-play ADMM](https://www.nature.com/articles/s41421-023-00543-1) ### **3. [利用无监督机器学习算法 Astronomaly ，找到了之前为人忽视的异常现象](https://hyper.ai/news/26316)** -* **中文解读：** [https://hyper.ai/news/26316](https://hyper.ai/news/26316) -* **科研团队：** 西开普大学的研究者 +- **中文解读：** [https://hyper.ai/news/26316](https://hyper.ai/news/26316) + +- **科研团队：** 西开普大学的研究者 -* **相关研究：** CNN、无监督机器学习、Astronomaly、PCA、孤立森林、LOF 算法、iForest 算法、NS 算法、DR 算法。Astronomaly 从异常评分最高的 2,000 张图像中找到了 1,635 处异常 +- **相关研究：** CNN、无监督机器学习、Astronomaly、PCA、孤立森林、LOF 算法、iForest 算法、NS 算法、DR 算法。Astronomaly 从异常评分最高的 2,000 张图像中找到了 1,635 处异常 -* **发布期刊：** arXiv, 2023.09 +- **发布期刊：** arXiv, 2023.09 -* **论文链接：** [Astronomaly at Scale: Searching for Anomalies Amongst 4 Million Galaxies](https://arxiv.org/abs/2309.08660) +- **论文链接：** [Astronomaly at Scale: Searching for Anomalies Amongst 4 Million Galaxies](https://arxiv.org/abs/2309.08660) ### **4. [基于机器学习的 CME 识别与参数获取方法](https://hyper.ai/news/31870)** -* **中文解读：** [https://hyper.ai/news/31870](https://hyper.ai/news/31870) -* **科研团队：** 中国科学院国家空间科学中心太阳活动与空间天气重点实验室的研究团队 +- **中文解读：** [https://hyper.ai/news/31870](https://hyper.ai/news/31870) -* **相关研究：** 机器学习、神经网络、Otsu 算法、轨迹匹配算法、自动识别、参数获取、CACTus 、 CORIMP 、 SEEDS。可识别日冕物质抛射 +- **科研团队：** 中国科学院国家空间科学中心太阳活动与空间天气重点实验室的研究团队 -* **发布期刊：** THE ASTROPHYSICAL JOURNAL, 2024.04 +- **相关研究：** 机器学习、神经网络、Otsu 算法、轨迹匹配算法、自动识别、参数获取、CACTus 、 CORIMP 、 SEEDS。可识别日冕物质抛射 -* **论文链接：** [An Algorithm for the Determination of Coronal Mass Ejection Kinematic Parameters Based on Machine Learning](https://iopscience.iop.org/article/10.3847/1538-4365/ad2dea) +- **发布期刊：** THE ASTROPHYSICAL JOURNAL, 2024.04 + +- **论文链接：** [An Algorithm for the Determination of Coronal Mass Ejection Kinematic Parameters Based on Machine Learning](https://iopscience.iop.org/article/10.3847/1538-4365/ad2dea) ### **5. [深度学习发现 107 例中性碳吸收线](https://hyper.ai/news/32210)** -* **中文解读：** [https://hyper.ai/news/32210](https://hyper.ai/news/32210) -* **科研团队：** 中国科学院上海天文台研究员葛健带领的国际团队 +- **中文解读：** [https://hyper.ai/news/32210](https://hyper.ai/news/32210) + +- **科研团队：** 中国科学院上海天文台研究员葛健带领的国际团队 + +- **相关研究：** 深度学习方法、SDSS DR12、卷积神经网络模型。发现了 107 例宇宙早期中性碳吸收线，探测精度达 99.8% -* **相关研究：** 深度学习方法、SDSS DR12、卷积神经网络模型。发现了 107 例宇宙早期中性碳吸收线，探测精度达 99.8% +- **发布期刊：** MNRAS, 2024.05 -* **发布期刊：** MNRAS, 2024.05 +- **论文链接：** [Detecting rare neutral atomic-carbon absorbers with a deep neuralnetwork](https://doi.org/10.1093/mnras/stae799) -* **论文链接：** [Detecting rare neutral atomic-carbon absorbers with a deep neuralnetwork](https://doi.org/10.1093/mnras/stae799) ### **6. [StarFusion 模型实现高空间分辨率图像的预测](https://hyper.ai/news/34254)** -* **中文解读：** [https://hyper.ai/news/34254](https://hyper.ai/news/34254) -* **科研团队：** 北京师范大学地表过程与资源生态国家重点实验室陈晋团队 +- **中文解读：** [https://hyper.ai/news/34254](https://hyper.ai/news/34254) -* **相关研究：** 深度学习方法、遥感影像、高空间分辨率图像的预测、提出了双流时空解耦融合架构模型 StarFusion、Gaofen-1 数据集、Sentinel-2 卫星数据集、SRGAN-STF 模型、线性回归模型、多变量回归关系模型 +- **科研团队：** 北京师范大学地表过程与资源生态国家重点实验室陈晋团队 -* **发布期刊：** Journal of Remote Sensing, 2024.07 +- **相关研究：** 深度学习方法、遥感影像、高空间分辨率图像的预测、提出了双流时空解耦融合架构模型 StarFusion、Gaofen-1 数据集、Sentinel-2 卫星数据集、SRGAN-STF 模型、线性回归模型、多变量回归关系模型 -* **论文链接：** [A Hybrid Spatiotemporal Fusion Method for High Spatial Resolution Imagery: Fusion of Gaofen-1 and Sentinel-2 over Agricultural Landscapes](https://spj.science.org/doi/10.34133/remotesensing.0159) +- **发布期刊：** Journal of Remote Sensing, 2024.07 + +- **论文链接：** [A Hybrid Spatiotemporal Fusion Method for High Spatial Resolution Imagery: Fusion of Gaofen-1 and Sentinel-2 over Agricultural Landscapes](https://spj.science.org/doi/10.34133/remotesensing.0159) ## **AI+ 自然灾害：AI+Natural Disaster** + ### **1. [机器学习预测未来 40 年的地面沉降风险](https://hyper.ai/news/30173)** -* **中文解读：** [https://hyper.ai/news/30173](https://hyper.ai/news/30173) -* **科研团队：** 中南大学柳建新研究团队 +- **中文解读：** [https://hyper.ai/news/30173](https://hyper.ai/news/30173) -* **相关研究：** SAR 数据集、机器学习模型、XGBR、LSTM +- **科研团队：** 中南大学柳建新研究团队 -* **发布期刊：** Journal of Environmental Management, 2024.02 +- **相关研究：** SAR 数据集、机器学习模型、XGBR、LSTM -* **论文链接：** [Machine learning-based techniques for land subsidence simulation in an urban area](https://www.sciencedirect.com/science/article/abs/pii/S0301479724000641?via%3Dihub +- **发布期刊：** Journal of Environmental Management, 2024.02 + +- **论文链接：** [Machine learning-based techniques for land subsidence simulation in an urban area](https://www.sciencedirect.com/science/article/abs/pii/S0301479724000641?via%3Dihub ) ### **2. [语义分割模型 SCDUNet++ 用于滑坡测绘](https://hyper.ai/news/29672)** -* **中文解读：** [https://hyper.ai/news/29672](https://hyper.ai/news/29672) -* **科研团队：** 成都理工大学刘瑞研究团队 +- **中文解读：** [https://hyper.ai/news/29672](https://hyper.ai/news/29672) + +- **科研团队：** 成都理工大学刘瑞研究团队 -* **相关研究：** Sentinel-2 多光谱数据、NASADEM 数据、滑坡数据、GLFE、CNN、DSSA、DSC、DTL、Transformer、深度迁移学习。交并比提高了 1.91% - 24.42%，F1 提高了 1.26% - 18.54% +- **相关研究：** Sentinel-2 多光谱数据、NASADEM 数据、滑坡数据、GLFE、CNN、DSSA、DSC、DTL、Transformer、深度迁移学习。交并比提高了 1.91% - 24.42%，F1 提高了 1.26% - 18.54% -* **发布期刊：** International Journal of Applied Earth Observation and Geoinformation, 2024.01 +- **发布期刊：** International Journal of Applied Earth Observation and Geoinformation, 2024.01 -* **论文链接：** [A deep learning system for predicting time to progression of diabetic retinopathy](https://www.nature.com/articles/s41591-023-02702-z) +- **论文链接：** [A deep learning system for predicting time to progression of diabetic retinopathy](https://www.nature.com/articles/s41591-023-02702-z) ### **3. [神经网络将太阳二维图像转为三维重建图像](https://hyper.ai/news/28797)** -* **中文解读：** [https://hyper.ai/news/28797](https://hyper.ai/news/28797) -* **科研团队：** 科罗拉多州国家大气研究中心 +- **中文解读：** [https://hyper.ai/news/28797](https://hyper.ai/news/28797) + +- **科研团队：** 科罗拉多州国家大气研究中心 -* **相关研究：** NeRFs 神经网络、SuNeRF 模型。首次揭示了太阳的两极 +- **相关研究：** NeRFs 神经网络、SuNeRF 模型。首次揭示了太阳的两极 -* **发布期刊：** arxiv, 2022.11 +- **发布期刊：** arxiv, 2022.11 -* **论文链接：** [SuNeRF: Validation of a 3D Global Reconstruction of the Solar Corona Using Simulated EUV Images](https://arxiv.org/abs/2211.14879) +- **论文链接：** [SuNeRF: Validation of a 3D Global Reconstruction of the Solar Corona Using Simulated EUV Images](https://arxiv.org/abs/2211.14879) ### **4. [可叠加神经网络分析自然灾害中的影响因素](https://hyper.ai/news/24957)** -* **中文解读：** [https://hyper.ai/news/24957](https://hyper.ai/news/24957) -* **科研团队：** 加利福尼亚大学洛杉矶分校的研究团队 +- **中文解读：** [https://hyper.ai/news/24957](https://hyper.ai/news/24957) -* **相关研究：** 可叠加神经网络、半自动检测算法、additive ANN、SNN、特征选择模型、多阶段训练 -* **发布期刊：** Communications Earth & Environment, 2023.05 +- **科研团队：** 加利福尼亚大学洛杉矶分校的研究团队 -* **论文链接：** [Landslide susceptibility modeling by interpretable neural network](https://www.nature.com/articles/s43247-023-00806-5) +- **相关研究：** 可叠加神经网络、半自动检测算法、additive ANN、SNN、特征选择模型、多阶段训练 +- **发布期刊：** Communications Earth & Environment, 2023.05 + +- **论文链接：** [Landslide susceptibility modeling by interpretable neural network](https://www.nature.com/articles/s43247-023-00806-5) ### **5. [利用可解释性 AI ，分析澳大利亚吉普斯兰市的不同地理因素](https://hyper.ai/news/33994)** -* **中文解读：** [https://hyper.ai/news/33994](https://hyper.ai/news/33994) -* **科研团队：** 澳大利亚国立大学、悉尼科技大学的研究团队 +- **中文解读：** [https://hyper.ai/news/33994](https://hyper.ai/news/33994) + +- **科研团队：** 澳大利亚国立大学、悉尼科技大学的研究团队 -* **相关研究：** 随机森林模型、机器学习模型、交叉验证技术。XAI可以根据地理特征对野火发生进行有效预测 +- **相关研究：** 随机森林模型、机器学习模型、交叉验证技术。XAI可以根据地理特征对野火发生进行有效预测 -* **发布期刊：** ScienceDirect, 2023.06 +- **发布期刊：** ScienceDirect, 2023.06 -* **论文链接：** [Explainable artificial intelligence (XAI) for interpreting the contributing factors feed into the wildfire susceptibility prediction model](https://www.sciencedirect.com/science/article/pii/S0048969723016224) +- **论文链接：** [Explainable artificial intelligence (XAI) for interpreting the contributing factors feed into the wildfire susceptibility prediction model](https://www.sciencedirect.com/science/article/pii/S0048969723016224) ### **6. [基于机器学习的洪水预报模型](https://hyper.ai/news/31060)** -* **中文解读：** [https://hyper.ai/news/31060](https://hyper.ai/news/31060) -* **科研团队：** 谷歌研究团队 +- **中文解读：** [https://hyper.ai/news/31060](https://hyper.ai/news/31060) + +- **科研团队：** 谷歌研究团队 -* **相关研究：** HydroATLAS project、长短期记忆网络LSTM、编码器-解码器、交叉验证、性能优于最先进 GloFAS 预报模型 +- **相关研究：** HydroATLAS project、长短期记忆网络LSTM、编码器-解码器、交叉验证、性能优于最先进 GloFAS 预报模型 -* **发布期刊：** Nature, 2024.03 +- **发布期刊：** Nature, 2024.03 -* **论文链接：** [Global prediction of extreme floods in ungauged watersheds](https://www.nature.com/articles/s41586-024-07145-1) +- **论文链接：** [Global prediction of extreme floods in ungauged watersheds](https://www.nature.com/articles/s41586-024-07145-1) ### **7. [ED-DLSTM实现无监测数据地区洪水预测](https://hyper.ai/news/32138)** -* **中文解读：** [https://hyper.ai/news/32138](https://hyper.ai/news/32138) -* **科研团队：** 中国科学院成都山地灾害与环境研究所欧阳朝军团队 +- **中文解读：** [https://hyper.ai/news/32138](https://hyper.ai/news/32138) -* **相关研究：** 2 千个水文站数据、训练数据集来自美国、英国、中欧、加拿大、跨区域时空集成模型、编码器-解码器、多模态数据、空间静态网格属性数据、残差卷积、 +- **科研团队：** 中国科学院成都山地灾害与环境研究所欧阳朝军团队 -* **发布期刊：** The Innovation, 2024.04 +- **相关研究：** 2 千个水文站数据、训练数据集来自美国、英国、中欧、加拿大、跨区域时空集成模型、编码器-解码器、多模态数据、空间静态网格属性数据、残差卷积、 + +- **发布期刊：** The Innovation, 2024.04 + +- **论文链接：** [Deep learning for cross-region streamflow and flood forecasting at a global scale](https://doi.org/10.1016/j.xinn.2024.100617) -* **论文链接：** [Deep learning for cross-region streamflow and flood forecasting at a global scale](https://doi.org/10.1016/j.xinn.2024.100617) ### **8. [ChloroFormer 模型提前预警海洋藻类爆发](https://hyper.ai/news/34544)** -* **中文解读：** [https://hyper.ai/news/34544](https://hyper.ai/news/34544) -* **科研团队：** 浙江大学 GIS 实验室 +- **中文解读：** [https://hyper.ai/news/34544](https://hyper.ai/news/34544) + +- **科研团队：** 浙江大学 GIS 实验室 -* **相关研究：** TZ02 数据集、深度学习模型 ChloroFormer、Transformer 神经网络、频率滤波器机制、频率注意力机制、ChloroFormer 在叶绿素 a 的短期和中期预测上，都超越了基线 -* **发布期刊：** Water Research, 2024.10 +- **相关研究：** TZ02 数据集、深度学习模型 ChloroFormer、Transformer 神经网络、频率滤波器机制、频率注意力机制、ChloroFormer 在叶绿素 a 的短期和中期预测上，都超越了基线 +- **发布期刊：** Water Research, 2024.10 -* **论文链接：** [Enhanced forecasting of chlorophyll-a concentration in coastal waters through integration of Fourier analysis and Transformer networks](https://doi.org/10.1016/j.watres.2024.122160 ) +- **论文链接：** [Enhanced forecasting of chlorophyll-a concentration in coastal waters through integration of Fourier analysis and Transformer networks](https://doi.org/10.1016/j.watres.2024.122160 ) ### **9. [首个海洋大语言模型 OceanGPT 入选 ACL 2024！水下具身智能成现实](https://hyper.ai/news/33044)** -* **中文解读：** [https://hyper.ai/news/33044](https://hyper.ai/news/33044) -* **科研团队：** 浙江大学计算机科学与技术学院张宁豫、陈华钧团队 +- **中文解读：** [https://hyper.ai/news/33044](https://hyper.ai/news/33044) + +- **科研团队：** 浙江大学计算机科学与技术学院张宁豫、陈华钧团队 + +- **相关研究：** 海洋领域大语言模型、正则表达式、哈希算法海洋科学指令生成框架 DoInstruct、多 Agent 协作、gpt-3.5-turbo、BM25 算法、LLaMA-2、Vicuna-7b-1.5、具身智能 -* **相关研究：** 海洋领域大语言模型、正则表达式、哈希算法海洋科学指令生成框架 DoInstruct、多 Agent 协作、gpt-3.5-turbo、BM25 算法、LLaMA-2、Vicuna-7b-1.5、具身智能 +- **发布期刊：** ACL 2024, 2024.05 -* **发布期刊：** ACL 2024, 2024.05 +- **论文链接：** [OceanGPT: A Large Language Model for Ocean Science Tasks](https://arxiv.org/abs/2310.02031) -* **论文链接：** [OceanGPT: A Large Language Model for Ocean Science Tasks](https://arxiv.org/abs/2310.02031) ### **10. [AI 预测预测全球变暖状况](https://hyper.ai/cn/news/36778)** -* **中文解读：** [https://hyper.ai/cn/news/36778](https://hyper.ai/cn/news/36778) -* **科研团队：** 斯坦福大学、科罗拉多州立大学与苏黎世联邦理工学院的联合研究团队 +- **中文解读：** [https://hyper.ai/cn/news/36778](https://hyper.ai/cn/news/36778) -* **相关研究：** 人工智能卷积神经网络系统、全球气候模型、迁移学习、针对碳排放持续增加的情况进行预测、验证不同历史时期预测框架的准确性，AI 预测最高温变化破纪录可能性达 90% +- **科研团队：** 斯坦福大学、科罗拉多州立大学与苏黎世联邦理工学院的联合研究团队 -* **发布期刊：** Geophysical Research Letters, 2024.12 +- **相关研究：** 人工智能卷积神经网络系统、全球气候模型、迁移学习、针对碳排放持续增加的情况进行预测、验证不同历史时期预测框架的准确性，AI 预测最高温变化破纪录可能性达 90% + +- **发布期刊：** Geophysical Research Letters, 2024.12 + +- **论文链接：** [Data-Driven Predictions of Peak Warming Under Rapid Decarbonization](https://agupubs.onlinelibrary.wiley.com/doi/full/10.1029/2024GL111832) -* **论文链接：** [Data-Driven Predictions of Peak Warming Under Rapid Decarbonization](https://agupubs.onlinelibrary.wiley.com/doi/full/10.1029/2024GL111832) ### **11. [GeoAI 新模型，解释青藏高原地表热流分布](https://hyper.ai/cn/news/36501)** -* **中文解读：** [https://hyper.ai/cn/news/36501](https://hyper.ai/cn/news/36501) +- **中文解读：** [https://hyper.ai/cn/news/36501](https://hyper.ai/cn/news/36501) + +- **科研团队：** 浙江大学地球科学学院 + +- **相关研究：** 空间智能方法—具有增强可解释性的地理神经网络加权回归模型 (EI-GNNWR)、EI-GNNWR 模型、地表热流数据集、NGHF 陆地热流数据集、中国大陆地区地表热流数据集、SHAP 值计算方法、端梯度提升模型、全连接神经网络模型、普通线性回归模型、地理加权回归模型 + +- **发布期刊：** Journal of Geophysical Research: Solid Earth, 2024.10 + +- **论文链接：** [The Distribution of Surface Heat Flow on the Tibetan Plateau Revealed by Data‐Driven Methods](https://doi.org/10.1029/2023JB028491) -* **科研团队：** 浙江大学地球科学学院 +### **12. [「问海」海洋环境智能预报大模型，性能优于数值海洋预报](https://hyper.ai/cn/news/38294)** -* **相关研究：** 空间智能方法—具有增强可解释性的地理神经网络加权回归模型 (EI-GNNWR)、EI-GNNWR 模型、地表热流数据集、NGHF 陆地热流数据集、中国大陆地区地表热流数据集、SHAP 值计算方法、端梯度提升模型、全连接神经网络模型、普通线性回归模型、地理加权回归模型 +- **中文解读：** [https://hyper.ai/cn/news/38294](https://hyper.ai/cn/news/38294) -* **发布期刊：** Journal of Geophysical Research: Solid Earth, 2024.10 +- **科研团队：** 崂山实验室吴立新院士领衔的科研团队、中国海洋大学、中国科学技术大学、青岛国实科技集团有限公司 -* **论文链接：** [The Distribution of Surface Heat Flow on the Tibetan Plateau Revealed by Data‐Driven Methods](https://doi.org/10.1029/2023JB028491) +- **相关研究：** 海洋环境预报、物理海洋学、人工智能、海洋动力学理论驱动神经网络架构设计、块体公式 (bulk formula) 显式嵌入神经网络 + +- **发布期刊：** Nature Communications, 2025.3 + +- **论文链接：** [Forecasting the Eddying Ocean with a Deep Neural Network](https://www.nature.com/articles/s41467-025-57389-2) ## **AI4S 政策解读：AI4S Policy** + ### **1. [科技部出台政策防范学术界 AI 枪手](https://hyper.ai/news/29228)** -* **中文解读：** [https://hyper.ai/news/29228](https://hyper.ai/news/29228) -* **发布时间：** 2023.12 +- **中文解读：** [https://hyper.ai/news/29228](https://hyper.ai/news/29228) -* **详情链接：** [科技部监督司发布《负责任研究行为规范指引（2023）》](https://www.most.gov.cn/kjbgz/202312/t20231221_189240.html +- **发布时间：** 2023.12 + +- **详情链接：** [科技部监督司发布《负责任研究行为规范指引（2023）》](https://www.most.gov.cn/kjbgz/202312/t20231221_189240.html ) ### **2. [政策：科技部会同自然科学基金委启动「人工智能驱动的科学研究」( AI for Science ) 专项部署工作](https://hyper.ai/news/34017)** -* **中文解读：** [https://hyper.ai/news/34017](https://hyper.ai/news/34017) -* **发布时间：** 2023.03 +- **中文解读：** [https://hyper.ai/news/34017](https://hyper.ai/news/34017) -* **详情链接：** [科技部启动“人工智能驱动的科学研究”专项部署工作](http://www.news.cn/2023-03/27/c_1129468666.htm) +- **发布时间：** 2023.03 +- **详情链接：** [科技部启动“人工智能驱动的科学研究”专项部署工作](http://www.news.cn/2023-03/27/c_1129468666.htm) ## **其他：Others** ### **1. [TacticAI 足球助手战术布局实用性高达 90%](https://hyper.ai/news/30454)** -* **中文解读：** [https://hyper.ai/news/30454](https://hyper.ai/news/30454) -* **科研团队：** 谷歌 DeepMind 与利物浦足球俱乐部 +- **中文解读：** [https://hyper.ai/news/30454](https://hyper.ai/news/30454) + +- **科研团队：** 谷歌 DeepMind 与利物浦足球俱乐部 -* **相关研究：** Geometric deep learning、GNN、predictive model、generative model。射球机会提升 13% +- **相关研究：** Geometric deep learning、GNN、predictive model、generative model。射球机会提升 13% -* **发布期刊：** Nature, 2024.03 +- **发布期刊：** Nature, 2024.03 -* **论文链接：** [TacticAI: an AI assistant for football tactics](https://www.nature.com/articles/s41467-024-45965-x +- **论文链接：** [TacticAI: an AI assistant for football tactics](https://www.nature.com/articles/s41467-024-45965-x ) ### **2. [去噪扩散模型 SPDiff 实现长程人流移动模拟](https://hyper.ai/news/30069)** -* **中文解读：** [https://hyper.ai/news/30069](https://hyper.ai/news/30069) -* **科研团队：** 清华大学电子工程系城市科学与计算研究中心、清华大学深圳国际研究生院深圳市泛在数据赋能重点实验室、鹏城实验室的研究团队 +- **中文解读：** [https://hyper.ai/news/30069](https://hyper.ai/news/30069) -* **相关研究：** GC 数据集、UCY 数据集、条件去噪扩散模型、SPDiff、GN、EGCL、LSTM、多帧推演训练算法。5% 训练数据量即可达到最优性能 +- **科研团队：** 清华大学电子工程系城市科学与计算研究中心、清华大学深圳国际研究生院深圳市泛在数据赋能重点实验室、鹏城实验室的研究团队 -* **发布期刊：** Nature, 2024.02 +- **相关研究：** GC 数据集、UCY 数据集、条件去噪扩散模型、SPDiff、GN、EGCL、LSTM、多帧推演训练算法。5% 训练数据量即可达到最优性能 -* **论文链接：** [Social Physics Informed Diffusion Model for Crowd Simulation](https://arxiv.org/abs/2402.06680) +- **发布期刊：** Nature, 2024.02 + +- **论文链接：** [Social Physics Informed Diffusion Model for Crowd Simulation](https://arxiv.org/abs/2402.06680) ### **3. [智能化科学设施推进科研范式变革](https://hyper.ai/news/29570)** -* **中文解读：** [https://hyper.ai/news/29570](https://hyper.ai/news/29570) -* **科研团队：** 上海交通大学梅宏研究团队 +- **中文解读：** [https://hyper.ai/news/29570](https://hyper.ai/news/29570) + +- **科研团队：** 上海交通大学梅宏研究团队 -* **相关研究：** 科学领域大模型、生成式模拟与反演、自主智能无人实验、大规模可信科研协作、AI 科研助手 +- **相关研究：** 科学领域大模型、生成式模拟与反演、自主智能无人实验、大规模可信科研协作、AI 科研助手 -* **发布期刊：** 中国科学院院刊，2023.12 +- **发布期刊：** 中国科学院院刊，2023.12 -* **论文链接：** [AI for Science：智能化科学设施变革基础研究](http://www.bulletin.cas.cn/previewFile?id=52965146&type=pdf&lang=zh) +- **论文链接：** [AI for Science：智能化科学设施变革基础研究](http://www.bulletin.cas.cn/previewFile?id=52965146&type=pdf&lang=zh) ### **4. [DeepSymNet 基于监督学习来表示符号表达式](https://hyper.ai/news/29243)** -* **中文解读：** [https://hyper.ai/news/29243](https://hyper.ai/news/29243) -* **科研团队：** 中国科学院半导体研究所吴敏研究团队 +- **中文解读：** [https://hyper.ai/news/29243](https://hyper.ai/news/29243) + +- **科研团队：** 中国科学院半导体研究所吴敏研究团队 -* **相关研究：** [符号网络数据集](https://hyper.ai/datasets/29321)、DSNOrg、DSNB、DSNBM、监督学习。使用标签更短、减少预测的搜索空间、提升算法鲁棒性 +- **相关研究：** [符号网络数据集](https://hyper.ai/datasets/29321)、DSNOrg、DSNB、DSNBM、监督学习。使用标签更短、减少预测的搜索空间、提升算法鲁棒性 -* **发布期刊：** Journals & Magazines, 2023.11 +- **发布期刊：** Journals & Magazines, 2023.11 -* **论文链接：** [Discovering Mathematical Expressions Through DeepSymNet: A Classification-Based Symbolic Regression Framework](https://ieeexplore.ieee.org/document/10327762) +- **论文链接：** [Discovering Mathematical Expressions Through DeepSymNet: A Classification-Based Symbolic Regression Framework](https://ieeexplore.ieee.org/document/10327762) ### **5. [大语言模型 ChipNeMo 辅助工程师完成芯片设计](https://hyper.ai/news/29134)** -* **中文解读：** [https://hyper.ai/news/29134](https://hyper.ai/news/29134) -* **科研团队：** 英伟达研究团队 +- **中文解读：** [https://hyper.ai/news/29134](https://hyper.ai/news/29134) -* **相关研究：** 领域自适应技术、NVIDIA NeMo、domain-adapted retrieval models、RAG、supervised fine-tuning with domain-specific instructions、DAPT、SFT、Tevatron、LLM +- **科研团队：** 英伟达研究团队 -* **发布期刊：** arXiv, 2024.04 +- **相关研究：** 领域自适应技术、NVIDIA NeMo、domain-adapted retrieval models、RAG、supervised fine-tuning with domain-specific instructions、DAPT、SFT、Tevatron、LLM -* **论文链接：** [ChipNeMo: Domain-Adapted LLMs for Chip Design](https://arxiv.org/abs/2311.00176) +- **发布期刊：** arXiv, 2024.04 + +- **论文链接：** [ChipNeMo: Domain-Adapted LLMs for Chip Design](https://arxiv.org/abs/2311.00176) ### **6. [AlphaGeometry 可解决几何学问题](https://hyper.ai/news/29059)** -* **中文解读：** [https://hyper.ai/news/29059](https://hyper.ai/news/29059) -* **科研团队：** 谷歌 DeepMind 研究团队 +- **中文解读：** [https://hyper.ai/news/29059](https://hyper.ai/news/29059) + +- **科研团队：** 谷歌 DeepMind 研究团队 -* **相关研究：** neural language model、symbolic deduction engine、语言模型 +- **相关研究：** neural language model、symbolic deduction engine、语言模型 -* **发布期刊：** Nature, 2024.01 +- **发布期刊：** Nature, 2024.01 -* **论文链接：** [Solving olympiad geometry without human demonstrations](https://www.nature.com/articles/s41586-023-06747-5) +- **论文链接：** [Solving olympiad geometry without human demonstrations](https://www.nature.com/articles/s41586-023-06747-5) ### **7. [强化学习用于城市空间规划](https://hyper.ai/news/28917)** -* **中文解读：** [https://hyper.ai/news/28917](https://hyper.ai/news/28917) -* **科研团队：** 清华大学李勇研究团队 +- **中文解读：** [https://hyper.ai/news/28917](https://hyper.ai/news/28917) + +- **科研团队：** 清华大学李勇研究团队 -* **相关研究：** 深度强化学习、human–artificial intelligence collaborative 框架、城市规划模型、策略网络、价值网络、GNN。在服务和生态指标上击败了 8 名专业人类规划师 +- **相关研究：** 深度强化学习、human–artificial intelligence collaborative 框架、城市规划模型、策略网络、价值网络、GNN。在服务和生态指标上击败了 8 名专业人类规划师 -* **发布期刊：** Nature Computational Science, 2023.09 +- **发布期刊：** Nature Computational Science, 2023.09 -* **论文链接：** [Spatial planning of urban communities via deep reinforcement learning](https://www.nature.com/articles/s43588-023-00503-5) +- **论文链接：** [Spatial planning of urban communities via deep reinforcement learning](https://www.nature.com/articles/s43588-023-00503-5) ### **8. [ChatArena 框架，与大语言模型一起玩狼人杀](https://hyper.ai/news/28576)** -* **中文解读：** [https://hyper.ai/news/28576](https://hyper.ai/news/28576) -* **科研团队：** 清华大学李鹏研究团队 +- **中文解读：** [https://hyper.ai/news/28576](https://hyper.ai/news/28576) -* **相关研究：** 非参数学习机制、语言模型、Prompt +- **科研团队：** 清华大学李鹏研究团队 -* **发布期刊：** arxiv, 2023.09 +- **相关研究：** 非参数学习机制、语言模型、Prompt -* **论文链接：** [Exploring Large Language Models for Communication Games: +- **发布期刊：** arxiv, 2023.09 + +- **论文链接：** [Exploring Large Language Models for Communication Games: An Empirical Study on Werewolf](https://arxiv.org/pdf/2309.04658.pdf) ### **9. [综述：30 位学者合力发表 Nature，10 年回顾解构 AI 如何重塑科研范式](https://hyper.ai/news/28166)** -* **中文解读：** [https://hyper.ai/news/28166](https://hyper.ai/news/28166) -* **主要内容：** 来自斯坦福大学计算机科学与基因技术学院的博士后 Hanchen Wang，与佐治亚理工学院计算科学与工程专业的 Tianfan Fu，以及康奈尔大学计算机系的 Yuanqi Du 等 30 人，回顾了过去十年间，基础科研领域中的 AI 角色，并提出了仍然存在的挑战和不足 +- **中文解读：** [https://hyper.ai/news/28166](https://hyper.ai/news/28166) + +- **主要内容：** 来自斯坦福大学计算机科学与基因技术学院的博士后 Hanchen Wang，与佐治亚理工学院计算科学与工程专业的 Tianfan Fu，以及康奈尔大学计算机系的 Yuanqi Du 等 30 人，回顾了过去十年间，基础科研领域中的 AI 角色，并提出了仍然存在的挑战和不足 -* **论文链接：** [Scientific discovery in the age of artificial intelligence](https://www.nature.com/articles/s41586-023-06221-2) +- **论文链接：** [Scientific discovery in the age of artificial intelligence](https://www.nature.com/articles/s41586-023-06221-2) ### **10. [Ithaca 协助金石学家进行文本修复、时间归因和地域归因的工作](https://hyper.ai/news/28140)** -* **中文解读：** [https://hyper.ai/news/28140](https://hyper.ai/news/28140) -* **科研团队：** DeepMind 和威尼斯福斯卡里大学的研究团队 +- **中文解读：** [https://hyper.ai/news/28140](https://hyper.ai/news/28140) + +- **科研团队：** DeepMind 和威尼斯福斯卡里大学的研究团队 -* **相关研究：** I.PHI 数据集、Ithaca 模型、Kullback-Leibler 散度、交叉熵损失函数。文本修复工作的准确率达到 62%，时间归因误差在 30 年内，地域归因准确率达到 71% +- **相关研究：** I.PHI 数据集、Ithaca 模型、Kullback-Leibler 散度、交叉熵损失函数。文本修复工作的准确率达到 62%，时间归因误差在 30 年内，地域归因准确率达到 71% -* **发布期刊：** Nature, 2020.03 +- **发布期刊：** Nature, 2020.03 -* **论文链接：** [Restoring and attributing ancient texts using deep neural networks](https://www.nature.com/articles/s41586-022-04448-z) +- **论文链接：** [Restoring and attributing ancient texts using deep neural networks](https://www.nature.com/articles/s41586-022-04448-z) ### **11. [AI 在超光学中的正问题及逆问题、基于超表面系统的数据分析](https://hyper.ai/news/34006)** -* **中文解读：** [https://hyper.ai/news/34006](https://hyper.ai/news/34006) -* **科研团队：** 香港城市大学的研究团队 +- **中文解读：** [https://hyper.ai/news/34006](https://hyper.ai/news/34006) -* **相关研究：** Predicting NN、深度神经网络。预测准确率达到 99% 以上 +- **科研团队：** 香港城市大学的研究团队 -* **发布期刊：** ACS Publications, 2022.06 +- **相关研究：** Predicting NN、深度神经网络。预测准确率达到 99% 以上 -* **论文链接：** [Artificial Intelligence in Meta-optics](https://pubs.acs.org/doi/10.1021/acs.chemrev.2c00012) +- **发布期刊：** ACS Publications, 2022.06 + +- **论文链接：** [Artificial Intelligence in Meta-optics](https://pubs.acs.org/doi/10.1021/acs.chemrev.2c00012) ### **12. [一种新的地理空间人工智能方法：地理神经网络加权逻辑回归](https://hyper.ai/news/30608)** -* **中文解读：** [https://hyper.ai/news/30608](https://hyper.ai/news/30608) -* **科研团队：** 浙江大学杜震洪研究团队 +- **中文解读：** [https://hyper.ai/news/30608](https://hyper.ai/news/30608) + +- **科研团队：** 浙江大学杜震洪研究团队 -* **相关研究：** 空间模式、神经网络、Shapley 加性解释、反距离加权插值、二元交叉熵损失函数、五折交叉验证。在矿产资源预测评价方面优于其他先进模型 +- **相关研究：** 空间模式、神经网络、Shapley 加性解释、反距离加权插值、二元交叉熵损失函数、五折交叉验证。在矿产资源预测评价方面优于其他先进模型 -* **发布期刊：** International Journal of Applied Earth Observation and Geoinformation, 2024.04 +- **发布期刊：** International Journal of Applied Earth Observation and Geoinformation, 2024.04 -* **论文链接：** [Enhancing mineral prospectivity mapping with geospatial artificial intelligence: A geographically neural network-weighted logistic regression approach](https://doi.org/10.1016/j.jag.2024.103746) +- **论文链接：** [Enhancing mineral prospectivity mapping with geospatial artificial intelligence: A geographically neural network-weighted logistic regression approach](https://doi.org/10.1016/j.jag.2024.103746) ### **13. [利用扩散模型生成神经网络参数，将时空少样本学习转变为扩散模型的预训练问题](https://hyper.ai/news/30545)** -* **中文解读：** [https://hyper.ai/news/30545](https://hyper.ai/news/30545) -* **科研团队：** 清华大学电子工程系城市科学与计算研究中心李勇研究团队 +- **中文解读：** [https://hyper.ai/news/30545](https://hyper.ai/news/30545) -* **相关研究：** 智慧城市、时空数据、知识迁移、MetaLA、PEMS-BAy、Transformer 扩散模型、条件生成框架 GPD、神经网络、神经网络参数、预训练 + 提示微调 +- **科研团队：** 清华大学电子工程系城市科学与计算研究中心李勇研究团队 -* **发布期刊：** ICLR 2024, 2024.01 +- **相关研究：** 智慧城市、时空数据、知识迁移、MetaLA、PEMS-BAy、Transformer 扩散模型、条件生成框架 GPD、神经网络、神经网络参数、预训练 + 提示微调 -* **论文链接：** [Spatio-Temporal Few-Shot Learning via Diffusive Neural Network Generation](https://openreview.net/forum?id=QyFm3D3Tzi) +- **发布期刊：** ICLR 2024, 2024.01 + +- **论文链接：** [Spatio-Temporal Few-Shot Learning via Diffusive Neural Network Generation](https://openreview.net/forum?id=QyFm3D3Tzi) ### **14. [李飞飞团队 AI4S 最新洞察：16 项创新技术汇总，覆盖生物/材料/医疗/问诊](https://hyper.ai/news/31499)** -* **中文解读：** [https://hyper.ai/news/31499](https://hyper.ai/news/31499) -* **主要内容：** 斯坦福大学 HAI 研究中心发布《2024 年人工智能指数报告》。这份报告全面追踪了 2023 年全球人工智能的发展趋势。还探讨人工智能在科学和医学领域的深远影响。报告中展示了 2023 年 AI 在科学领域的辉煌成就，以及 AI 在医疗领域取得的重要创新成果，包括 SynthSR 和 ImmunoSEIRA 等突破性技术。此外，还分析了 FDA 对 AI 医疗设备审批的趋势，为行业提供了宝贵的参考。 +- **中文解读：** [https://hyper.ai/news/31499](https://hyper.ai/news/31499) + +- **主要内容：** 斯坦福大学 HAI 研究中心发布《2024 年人工智能指数报告》。这份报告全面追踪了 2023 年全球人工智能的发展趋势。还探讨人工智能在科学和医学领域的深远影响。报告中展示了 2023 年 AI 在科学领域的辉煌成就，以及 AI 在医疗领域取得的重要创新成果，包括 SynthSR 和 ImmunoSEIRA 等突破性技术。此外，还分析了 FDA 对 AI 医疗设备审批的趋势，为行业提供了宝贵的参考。 ### **15. [精准预测武汉房价！osp-GNNWR 模型准确描述复杂空间过程和地理现象](https://hyper.ai/news/32453)** -* **中文解读：** [https://hyper.ai/news/32453](https://hyper.ai/news/32453) -* **科研团队：** 浙大 GIS 实验室吴森森团队 +- **中文解读：** [https://hyper.ai/news/32453](https://hyper.ai/news/32453) -* **相关研究：** 神经网络、空间邻近性度量、地理神经网络加权回归方法、安居客 968 个不同房地产样本的数据集、空间回归模型、梯度下降算法 +- **科研团队：** 浙大 GIS 实验室吴森森团队 -* **发布期刊：** International Journal of Geographical Information Science, 2024.04 +- **相关研究：** 神经网络、空间邻近性度量、地理神经网络加权回归方法、安居客 968 个不同房地产样本的数据集、空间回归模型、梯度下降算法 -* **论文链接：** [A neural network model to optimize the measure of spatial proximity in geographically weighted regression approach: a case study on house price in Wuhan](https://www.tandfonline.com/doi/abs/10.1080/13658816.2024.2343771) +- **发布期刊：** International Journal of Geographical Information Science, 2024.04 +- **论文链接：** [A neural network model to optimize the measure of spatial proximity in geographically weighted regression approach: a case study on house price in Wuhan](https://www.tandfonline.com/doi/abs/10.1080/13658816.2024.2343771) ### **16. [引入零样本学习，发布针对甲骨文破译优化的条件扩散模型](https://hyper.ai/news/33010)** -* **中文解读：** [https://hyper.ai/news/33010](https://hyper.ai/news/33010) -* **科研团队：** 华中科技大学白翔、刘禹良研究团队联合阿德莱德大学、安阳师范学院、华南理工大学团队 +- **中文解读：** [https://hyper.ai/news/33010](https://hyper.ai/news/33010) + +- **科研团队：** 华中科技大学白翔、刘禹良研究团队联合阿德莱德大学、安阳师范学院、华南理工大学团队 -* **相关研究：** 条件扩散模型、图像生成技术、局部分析采样技术、HUST-OBS 数据集、EVOBC 数据集、ResNet-101 骨干网络、OCR 技术、零样本学习策略、风格编码器、内容编码器 +- **相关研究：** 条件扩散模型、图像生成技术、局部分析采样技术、HUST-OBS 数据集、EVOBC 数据集、ResNet-101 骨干网络、OCR 技术、零样本学习策略、风格编码器、内容编码器 -* **发布期刊：** ACL 2024, 2024.06 +- **发布期刊：** ACL 2024, 2024.06 -* **论文链接：** [Deciphering Oracle Bone Language with Diffusion Models](https://doi.org/10.48550/arXiv.2406.00684) +- **论文链接：** [Deciphering Oracle Bone Language with Diffusion Models](https://doi.org/10.48550/arXiv.2406.00684) ### **17. [斯坦福/苹果等 23 所机构发布 DCLM 基准测试，基础模型与 Llama3 8B 表现相当](https://hyper.ai/news/33001)** -* **中文解读：** [https://hyper.ai/news/33001](https://hyper.ai/news/33001) -* **科研团队：** 华盛顿大学、斯坦福大学、苹果等 23 所机构联手 +- **中文解读：** [https://hyper.ai/news/33001](https://hyper.ai/news/33001) -* **相关研究：** 语言模型、DCLM 基准测试、Transformer、MMLU +- **科研团队：** 华盛顿大学、斯坦福大学、苹果等 23 所机构联手 -* **发布期刊：** arXiv, 2024.06 +- **相关研究：** 语言模型、DCLM 基准测试、Transformer、MMLU -* **论文链接：** [DataComp-LM: In search of the next generation of training sets for language models](https://arxiv.org/abs/2406.11794) +- **发布期刊：** arXiv, 2024.06 + +- **论文链接：** [DataComp-LM: In search of the next generation of training sets for language models](https://arxiv.org/abs/2406.11794) ### **18. [PoCo 解决数据源异构难题，实现机器人多任务灵活执行](https://hyper.ai/news/32765)** -* **中文解读：** [https://hyper.ai/news/32765](https://hyper.ai/news/32765) -* **科研团队：** 麻省理工研究人员 +- **中文解读：** [https://hyper.ai/news/32765](https://hyper.ai/news/32765) + +- **科研团队：** 麻省理工研究人员 -* **相关研究：** 去噪扩散概率模型、去噪扩散隐式模型、扩散模型的概率合成、机器人策略组合框架 PoCo +- **相关研究：** 去噪扩散概率模型、去噪扩散隐式模型、扩散模型的概率合成、机器人策略组合框架 PoCo -* **发布期刊：** arXiv, 2024.05 +- **发布期刊：** arXiv, 2024.05 -* **论文链接：** [PoCo: Policy Composition from and for Heterogeneous Robot Learning](https://arxiv.org/abs/2402.02511) +- **论文链接：** [PoCo: Policy Composition from and for Heterogeneous Robot Learning](https://arxiv.org/abs/2402.02511) ### **19. [含 14 万张图像！甲骨文数据集助力团队摘冠 ACL 最佳论文](https://hyper.ai/news/33826)** -* **中文解读：** [https://hyper.ai/news/33826](https://hyper.ai/news/33826) -* **科研团队：** 华中科技大学白翔教授研究团队 +- **中文解读：** [https://hyper.ai/news/33826](https://hyper.ai/news/33826) -* **相关研究：** HUST-OBC 数据集、无监督的视觉对比学习模型 +- **科研团队：** 华中科技大学白翔教授研究团队 -* **发布期刊：** Scientific Data, 2024.06 +- **相关研究：** HUST-OBC 数据集、无监督的视觉对比学习模型 -* **论文链接：** [An open dataset for oracle bone script recognition and decipherment](https://arxiv.org/abs/2401.15365) +- **发布期刊：** Scientific Data, 2024.06 +- **论文链接：** [An open dataset for oracle bone script recognition and decipherment](https://arxiv.org/abs/2401.15365) ### **20. [基于预训练 LLM 提出信道预测方案，GPT-2 赋能无线通信物理层](https://hyper.ai/news/33195)** -* **中文解读：** [https://hyper.ai/news/33195](https://hyper.ai/news/33195) -* **科研团队：** 北京大学电子学院程翔团队 +- **中文解读：** [https://hyper.ai/news/33195](https://hyper.ai/news/33195) -* **相关研究：** QuaDRiGa 仿真器、大语言模型、信道预测神经网络、预处理模块、嵌入模块、预训练 LLM 模块、输出模块 +- **科研团队：** 北京大学电子学院程翔团队 -* **发布期刊：** Journal of Communications and Information Networks, 2024.06 +- **相关研究：** QuaDRiGa 仿真器、大语言模型、信道预测神经网络、预处理模块、嵌入模块、预训练 LLM 模块、输出模块 -* **论文链接：** [LLM4CP: Adapting Large Language Models for Channel Prediction](https://ieeexplore.ieee.org/document/10582829) +- **发布期刊：** Journal of Communications and Information Networks, 2024.06 + +- **论文链接：** [LLM4CP: Adapting Large Language Models for Channel Prediction](https://ieeexplore.ieee.org/document/10582829) ### **21. [首个多缝线刺绣生成对抗网络模型](https://hyper.ai/news/34669)** -* **中文解读：** [https://hyper.ai/news/34669](https://hyper.ai/news/34669) -* **科研团队：** 复武汉纺织大学计算机与人工智能学院可视计算与数字纺织团队 +- **中文解读：** [https://hyper.ai/news/34669](https://hyper.ai/news/34669) + +- **科研团队：** 复武汉纺织大学计算机与人工智能学院可视计算与数字纺织团队 + +- **相关研究：** 多针刺绣数据集、生成对抗网络模型、卷积神经网络、CNN、多缝线刺绣生成对抗网络模型 MSEmbGAN、区域感知纹理生成网络、着色网络、可提高刺绣中纹理真实度和色彩保真度等关键方面的精度 -* **相关研究：** 多针刺绣数据集、生成对抗网络模型、卷积神经网络、CNN、多缝线刺绣生成对抗网络模型 MSEmbGAN、区域感知纹理生成网络、着色网络、可提高刺绣中纹理真实度和色彩保真度等关键方面的精度 +- **发布期刊：** IEEE Transactions on Visualization and Computer Graphics, 2024 -* **发布期刊：** IEEE Transactions on Visualization and Computer Graphics, 2024 +- **论文链接：** [MSEmbGAN: Multi-Stitch Embroidery Synthesis via Region-Aware Texture Generation](https://csai.wtu.edu.cn/TVCG01/index.html) -* **论文链接：** [MSEmbGAN: Multi-Stitch Embroidery Synthesis via Region-Aware Texture Generation](https://csai.wtu.edu.cn/TVCG01/index.html) ### **22. [快速自动扫描套件 FAST 高效获取样本信息](https://hyper.ai/news/28100)** -* **中文解读：** [https://hyper.ai/news/28100](https://hyper.ai/news/28100) +- **中文解读：** [https://hyper.ai/news/28100](https://hyper.ai/news/28100) -* **科研团队：** 美国阿贡国家实验室的研究团队 +- **科研团队：** 美国阿贡国家实验室的研究团队 -* **相关研究：** SLADS-Net 方法、路径优化技术。优先识别异质性区域、准确复制全扫描图像中所有主要特征 +- **相关研究：** SLADS-Net 方法、路径优化技术。优先识别异质性区域、准确复制全扫描图像中所有主要特征 -* **发布期刊：** Nature Communications, 2023.09 +- **发布期刊：** Nature Communications, 2023.09 + +- **论文链接：** [Demonstration of an AI-driven workflow for autonomous high-resolution scanning microscopy](https://www.nature.com/articles/s41467-023-40339-1) -* **论文链接：** [Demonstration of an AI-driven workflow for autonomous high-resolution scanning microscopy](https://www.nature.com/articles/s41467-023-40339-1) ### **23. [人口动态基础模型 PDFM 已开源，精准预测美国失业率和贫困率](https://hyper.ai/cn/news/36380)** -* **中文解读：** [https://hyper.ai/cn/news/36380](https://hyper.ai/cn/news/36380) +- **中文解读：** [https://hyper.ai/cn/news/36380](https://hyper.ai/cn/news/36380) + +- **科研团队：** 谷歌 -* **科研团队：** 谷歌 +- **相关研究：** 人口动态基础模型、预测失业率和贫困率、解耦嵌入架构、使用 PDFM 增强最先进的预测基础模型 TimesFM、聚合搜索趋势数据集、地图数据集、繁忙度数据集、天气与空气质量、遥感数据、图神经网络 (GNN)，可增强现有地理空间模型 -* **相关研究：** 人口动态基础模型、预测失业率和贫困率、解耦嵌入架构、使用 PDFM 增强最先进的预测基础模型 TimesFM、聚合搜索趋势数据集、地图数据集、繁忙度数据集、天气与空气质量、遥感数据、图神经网络 (GNN)，可增强现有地理空间模型 +- **发布期刊：** arXiv, 2024.12 -* **发布期刊：** arXiv, 2024.12 +- **论文链接：** [General Geospatial Inference with a Population Dynamics Foundation Model](https://arxiv.org/abs/2411.07207) -* **论文链接：** [General Geospatial Inference with a Population Dynamics Foundation Model](https://arxiv.org/abs/2411.07207) ### **24. [深度学习模型 CatGWR，估计空间非平稳性](https://hyper.ai/cn/news/38055)** -* **中文解读：** [https://hyper.ai/cn/news/38055](https://hyper.ai/cn/news/38055) +- **中文解读：** [https://hyper.ai/cn/news/38055](https://hyper.ai/cn/news/38055) -* **科研团队：** 浙江省 GIS 重点实验室 +- **科研团队：** 浙江省 GIS 重点实验室 -* **相关研究：** 深度学习模型 Context-Attention Geographically Weighted Regression、注意力机制、估计空间非平稳性、CatGWR 模型、模拟实验、预处理模块、放大模块、回归模块 +- **相关研究：** 深度学习模型 Context-Attention Geographically Weighted Regression、注意力机制、估计空间非平稳性、CatGWR 模型、模拟实验、预处理模块、放大模块、回归模块 -* **发布期刊：** International Journal of Geographical Information Science, 2025.2 +- **发布期刊：** International Journal of Geographical Information Science, 2025.2 -* **论文链接：** [Using an attention-based architecture to incorporate context similarity into spatial non-stationarity estimation](https://doi.org/10.1080/13658816.2025.2456556) +- **论文链接：** [Using an attention-based architecture to incorporate context similarity into spatial non-stationarity estimation](https://doi.org/10.1080/13658816.2025.2456556)