标签
建模
相关的文章：本列表汇集了关于建模技术的多篇文章，涵盖数据分析、机器学习及生物医学等领域，探讨了建模的最新进展与应用实例。
Apple Machine Learning Research ·
Apple Machine Learning Research ·
亚马逊AWS官方博客 ·
本次会议讨论了Project Babylon中的代码反射，展示了如何将Java代码符号化为Java代码模型，涵盖了基本方法、主要优点及潜在局限性。请查看JVMLS 2025播放列表。
insidejava ·
来自华盛顿大学 David Baker 教授的研究团队开发了一种图神经网络 PLACER，能够基于小分子的原子组成与键合信息，精确生成多种有机小分子的结构；并在给定蛋白质宏观结构环境的情况下，为蛋白–小分子对接任务构建小分子与蛋白质侧链的详细结构。
HyperAI超神经 ·
苏黎世联邦理工学院、加州理工学院与阿尔伯塔大学等机构的联合团队提出了一种名为 NOBLE 的深度学习框架。它是首个通过人类大脑皮层实验数据来验证其性能的规模化深度学习框架，首次实现了直接从实验数据中学习神经元的非线性动力学行为，其模拟速度比传统数值求解器快出 4200 倍。
HyperAI超神经 ·
自驱动实验室系统提高了化学反应器设计的速度和精度，但现有研究缺乏针对几何参数的统一模型。针对不同体系间的通用性问题，来自西班牙 IMDEA 材料研究所的研究团队推出了 Reac-Discovery 半自主数字平台，基于周期性开孔结构，推出了先进催化反应器的创新解决方案。
亚马逊AWS官方博客 ·
freeCodeCamp.org ·
Apple Machine Learning Research ·
MongoDB ·
研究团队提出Jet-Nemotron，通过后神经架构搜索优化全注意力模型，显著提高生成吞吐量，同时保持或超越准确率，为高效语言模型设计开辟新路径。
2025年春季拍卖会上，陶瓷文物拍卖价格屡创新高，显示出其经济潜力。研究团队利用YOLOv11模型与随机森林回归，提出智能框架，实现陶瓷文物的自动分类和市场价值预测，提高了估值的准确性和可解释性。
HyperAI超神经 ·
剑桥大学与Meta合作开发了全原子扩散Transformer（ADiT），该框架能够同时生成周期性材料和非周期性分子。实验结果表明，ADiT的性能与专用模型相当，显示出在生成复杂原子结构方面的有效性。
蛋白质侧链构象是氨基酸残基在三维空间中的排列。斯坦福大学团队提出的FAMPNN模型能够显式建模氨基酸的序列和侧链结构，显著提升蛋白质序列设计的质量和预测准确性。该模型结合图神经网络和改进的MPNN，处理主链与侧链信息，推动蛋白质工程和药物设计的发展。
HyperAI超神经 ·
Apple Machine Learning Research ·
The GitHub Blog ·
