新闻“工业大模型应用 热闹起来了 沪上制造业正在AI技术助力下实现生产过程智能化改造”中提到： ...近期，在由上海市工业互联网协会主办的“大模型在工业企业的实施路径”研讨会上，沪东中华设计中心标准室主任毛鑫明介绍了如何在LNG（液化天然气）船总装建造中发挥大模型特长。“我们将海 Read more
论文Diffusion Models Are Real-Time Game Engines（《扩散模型是实时游戏引擎》）介绍了GameNGen，这是第一个完全由神经网络模型驱动的游戏引擎，能够以超过20帧每秒（FPS）的速度在单个TPU上进行复杂环境的实时交互模拟。通过应用生成扩 Read more
论文Predicting cardiovascular disease risk using photoplethysmography and deep learning主要探讨了使用光电容积脉搏波（PPG）和深度学习技术预测心血管疾病（CVD）风险的可行性。研究背景是心血管疾病 Read more
论文《多模态基础模型中的多样本上下文学习》（Many-Shot In-Context Learning in Multimodal Foundation Models）探讨了在上下文学习（In-Context Learning, ICL）中，多模态基础模型从少样本扩展到多样本时的 Read more
阳光下，近视眼镜两个镜片的光晕大小不同，哪边的近视程度高？ 问了问ChatGPT4o，回答有误。提示了一下，然后纠正错误并给出正确答案。乖巧的AI~ 近视眼镜是凹透镜，其作用是将光线向外发散，因此镜片的度数越高（近视度数越大），它的发散能力就越强，导致通过镜片的光线在桌面上形成的 Read more
论文《量子神经网络损失景观的统一理论》（A Unified Theory of Quantum Neural Network Loss Landscapes）的论文提出了一个综合性理论，扩展了对量子神经网络（QNNs）损失景观的理解。 论文作者为来自Caltech的Eric R. Read more
符号回归（Symbolic Regression）在历史上具有重要意义，其根源可以追溯到开普勒发现行星运动定律。现代符号回归方法包括遗传算法，这种算法通过模仿生物进化过程来寻找最符合的符号表达式。 论文《AI Feynman：一种受物理启发的符号回归方法》（AI Feynman: Read more
Surrogate Modelling（替代建模）是一种使用简单、计算效率高的模型来近似复杂、计算昂贵的真实系统的技术。它广泛应用于工程设计优化、模拟、机器学习、以及科学研究中。其主要目的是在维持一定的精度的前提下，减少计算资源和时间的消耗。 一、Surrogate Modell Read more
近期，Scientific American上有一篇有趣的科学文章，文章名为Can AI Save Schrödinger’s Cat?（《AI能否拯救薛定谔的猫？》），作者为Anil Ananthaswamy。文章讨论了量子力学中的一个重要问题：观察者在量子测量中的角色，以及人 Read more
数学大神Stephen Wolfram新近发表文章What’s Really Going On in Machine Learning? Some Minimal Models（《机器学习中到底发生了什么？一些最简模型》）。文章通过简化模型，对机器学习的基础原理进行了重要的理论探 Read more
前几天完整看了Nicholas Carlini写的长文𝙃𝙤𝙬 𝙄 𝙐𝙨𝙚 "𝘼𝙄"，颇有共鸣。AI确实能够大幅提升效率。 刚刚学习物理信息神经网络（或称物理引导神经网络，Physics-Informed Neural Networks，PINNs），让ChatGPT 4o给出示例 Read more
华盛顿大学的Steve Brunton教授关于“物理引导的机器学习”（Physics-Informed Machine Learning，PIML）的讲座非常值得观看学习。讲座探讨如何将物理定律、原理和知识融入机器学习模型，以提高这些模型的准确性、效率和泛化能力，特别是在工程、流 Read more