张益唐是著名数学家，以解决“孪生素数猜想”而闻名，近期回国担任中山大学首席科学家。他在美国默默无闻，58岁时才成名，经历展示了他对数学的热爱与坚持，尽管曾在餐厅工作多年，始终未放弃数学研究。
机器之心数据服务现已上线，提供高效稳定的数据获取，简化数据爬取流程。
中山大学团队开发了GraphEC，这是一种基于几何图学习的酶功能预测技术。它利用ESMFold预测结构和预训练的蛋白质语言模型，从蛋白质结构中提取功能信息。GraphEC能有效预测酶的活性位点、EC编号和最佳pH值，表现优于现有方法，具有在合成生物学和基因组学中的应用潜力。未来可通过改进结构质量和结合大型语言模型提升预测能力。
2020年初，新冠病毒全球蔓延，揭示RNA病毒的突变特性。中山大学等提出的LucaProt模型利用AI技术，发现16万多种新RNA病毒，扩展了对病毒多样性的认知。研究揭示最长的RNA病毒基因组，并在全球生态系统中发现大量新病毒。AI在RNA病毒研究中的应用前景广阔，有望推动疫苗和药物研发。
人工智能工具LucaProt由阿里云、中山大学和悉尼大学合作开发，用于识别全球生态系统中的RNA病毒。研究发现了161,979种新RNA病毒，揭示了病毒的多样性和分布差异。LucaProt整合序列和结构信息，准确检测RNA依赖性RNA聚合酶序列，极大扩展了对RNA病毒的认识，并为未来病毒发现提供了新的AI框架。研究还表明RNA病毒与多样化的微生物宿主密切相关，强调了AI在生物探索中的重要性。
蛋白质是生命的基础，其动态结构对药物研发非常重要。AlphaFold 可以预测蛋白质的静态结构，但无法预测动态变化。上海交大郑双佳团队开发了 DynamicBind 模型，结合深度学习和几何神经网络技术，能够动态调整蛋白质构象，提高药物筛选的准确性。该模型在国际药物筛选大赛中表现出色，能识别隐藏结合位点，为药物研发提供了新方法。研究成果发表在《Nature Communications》上。
奇虎360-AIGC团队和中山大学联合研发的FancyVideo是一种基于UNet架构的视频生成模型，可在消费级显卡上生成任意分辨率、宽高比、风格和运动幅度的视频。通过跨帧文本引导模块，FancyVideo改进了现有文本控制机制，提高了视频生成的质量、文本一致性、运动性和时序一致性。该模型在EvalCrafter Benchmark、UCF-101和MSR-VTT Benchmark上取得了领先的结果。FancyVideo还支持视频扩展和视频回溯操作。未来，FancyVideo团队计划发布更好的模型并上线网页版本供免费使用。
鹏城实验室与南方科技大学、中山大学联合发布并开源了ARIO具身智能领域学术成果，该成果是一个具备多种模态感知数据的大规模数据集，旨在解决具身智能领域的数据获取难题。该数据集包含2D、3D、文本、触觉和声音等感知数据，涵盖了操作和导航两大类任务，并包含多种机器人硬件。鹏城实验室还设计了一套针对具身大数据的格式标准，以满足具身智能大模型对感知和控制时序的精确要求。ARIO数据集共有258个场景序列，321,064个任务，303万个样例。
中山大学和Pixocial联合发布了CatVTON，一种轻量化模型架构，实现虚拟试衣功能。该模型简洁高效，只需VAE+UNet两个网络模块，参数量小。通过解锁训练，发现Self Attention是关键模块。CatVTON实现了SOTA的试穿效果，降低了模型的训练和推理计算需求。
中山大学联合字节跳动智能创作数字人团队提出了一种多模态多参考虚拟试穿框架MMTryon，通过输入多个服装图像及指定穿法的文本指令生成高质量的组合试穿结果。该方案利用服装编码器和多模态注意机制，实现了真实自然的虚拟换装效果，消除了对服装精细分割的依赖。实验证明MMTryon优于现有方法，具有商业潜质与价值。
中山大学和联想团队合作提出了无需训练的多智能体协同框架AutoStudio，能够生成高质量图像。英伟达发布了开源模型Nemotron-4 340B，98%的训练数据来自合成数据。微软发布了Windows 11 Build 26236.5000预览版更新，引入了生成式AI子页面。
根据《卵巢癌诊疗指南（2022 版）》，卵巢癌在我国女性生殖系统肿瘤中居第三位，病死率最高。研究团队构建了卵巢癌诊断人工智能融合模型MCF，通过常规实验室检验数据和年龄计算卵巢癌的患病风险。该模型准确率优于传统生物标志物。研究结果显示MCF模型对卵巢癌的早期诊断具有较好的预测能力。这一研究为基层医疗机构提供了重要助力，推动人工智能辅助诊断在乡村医疗卫生机构的应用。
研究人员基于化学环境的概念和图模型的表示方法提取了晶体材料的特征，以目标原子截断半径内的周围原子和键来定义其化学环境，并从用于材料分析的开源 Python 数据库——Materials Project...
By 超神经内容一览：了解全局晶体对称性并分析等变信息，对于预测材料性能至关重要，但现有的、基于卷积网络的算法尚且无法完全实现这些需求。针对于此，中山大学的李华山、王彪课题组，开发了一款名为 SEN 的机器学习模型，准确感知了固有晶体对称性和材料结构团簇之间的相互作用。关键词：材料性能预测 深度学习 MP 数据库作者 | 李宝珠编辑 | 三羊晶体对称性对于研究材料的物理性质、理解晶体结构、...
完成下面两步后，将自动完成登录并继续当前操作。
