PRE前沿速递:复杂网络中有向边的动力学贡献值
导语
寻找网络中的关键节点和关键边是网络科学中的一个最重要、最基本的问题。基于动力学的复杂网络节点中心性已有不少研究,而基于动力学的网络边中心性或交互的中心性成果相对匮乏。去年我们在PRL发表了关于无向网络边和圈的重要性量化工作 [1],事实上复杂网络有向交互比无向交互更赋挑战性,同时也带了更多的变化和趣味性。
...
- 16小时前
赵延龙:集值系统的辨识与控制 | 周二直播·控制科学前沿理论与方法系列课程
第七课课程简介
主题:集值系统的辨识与控制
简介:随着信息化、大数据和智能化的发展,集值系统大量涌现,对系统建模和控制产生了新的需求。集值系统的特点是无法测得输出、状态等系统数据的精确值,只知道它是否属于某个或某些集合。例如:大量医学数据如白血病数据只知道“健康”或“疾病”,大量工程数据如卫星观测数据只知道“百米级”“千米级”等,智能决策问题如雷达目标识别关心的是目标的“真”或“伪”。与传统的精确测量系统相比,集值系统具有可利用信息少和非线性强两大特征,其辨识和控制具有本质困难,需要新的研究视角和理论方法。
...
- 16小时前
KAN一作刘子鸣直播总结:KAN的能力边界和待解决的问题
导语
一种崭新的深度学习网络结构 KAN,一经推出就引爆了AI社区。在自媒体的煽风点火下,KAN一夜干翻MLP的爽文在社交媒体上疯传。KAN 到底是什么,它是什么原理,跟 MLP 是什么关系,性能究竟有没有吹的那么好,有哪些局限,作者是怎么发现的——本期读书会由 KAN 的第一作者刘子鸣同学现身说法,为大家带来精彩的第一视角。
报告过程及问答环节,许多AI领域同行提出了各类针对KAN理论、技术、应用、优化的问题,刘子鸣一一详细回应。
...
- 16小时前
“自然”和“人工”的边界:关于人工智能与合成生物学的讨论
导语
“人工”和“自然”的区别是什么?人工智能是对人类智能的模仿,还是要实现理想的智能表现?从基因编辑到人工生命,生命有机体是自然还是人工的界限在哪里?本文认为,由于新科学的出现和发展,即人工智能和合成生物学,自然与人工之间的界限不再像过去那样清晰明确,传统的“人工”定义已经无法准确描述现代一些人工科学的特性,并进一步深入探讨了“人工”的新定义。
...
- 2024-05-11
无心插柳:苏联数学家柯尔莫哥洛夫与神经网络的新生
苏联数学家柯尔莫哥洛夫(Andrey N. Kolmogorov,1903-1987)。图源:https://wolffund.org.il/
编者按
大模型向计算理论提出了新问题,而计算理论也可帮助大模型揭示第一性原理,从而找到边界和方向。例如,苏联数学家柯尔莫哥洛夫和学生阿诺德在20世纪50年代完成的KA叠加定理。
...
- 2024-05-11
西湖大学人工智能与科学仿真发现实验室招收博士生、博后、博士实习生
1. 导师介绍
吴泰霖博士为西湖大学工学院人工智能方向特聘研究员、助理教授、博士生导师。2012年于北京大学物理学院获得学士学位,2019 年获得麻省理工学院理学博士学位,2020年-2023年4月在斯坦福大学计算机系从事博士后研究(师从Jure Leskovec教授)。
吴泰霖博士的主要研究方向为 AI 与 Science 学科交叉的核心、普适问题。
...
- 2024-05-10
AI与商业:过去,现在,未来,机遇,挑战丨周日直播·AI+Social Science读书会
图源:Randy Bean。https://www.linkedin.com/pulse/pursuit-ai-driven-wealth-management-randy-bean
导语
随着科技的迅速发展,人工智能已经成为了商业领域中的一股强大力量。从过去的起源到现在的蓬勃发展,再到未来的前景展望,人工智能的商业化进程一直在不断演进。同时,深度学习、海量商业数据以及强大的算力成为了当前人工智能时代的“生产因素”,为商业研究带来了前所未有的机遇,同时也提出了新的挑战。
...
- 2024-05-10
KAN论文一作刘子鸣周六晚直播间讨论:KAN的能力边界和待解决的问题
MIT在读博士生、集智俱乐部AI+Science读书会发起人之一刘子鸣,最近作为第一作者共同提出了——KAN(Kolmogorov-Arnold Networks)框架。这项工作颠覆了机器学习传统的多层感知机(MLP)架构,不仅在理论上拓展了深度学习模型的边界,更在实际应用中展现出了卓越的性能和解释性。文章一经发布,在国内外社交媒体上引发了诸多探讨。短短一周,github仓库已经获得近10k star!
刘子鸣受邀于北京时间5月11日20:00-22:00,在集智AI+Science读书会中深入解读KAN的主要工作。
...
- 2024-05-10
Nature速递:AlphaFold 3 预测所有生命分子的结构和相互作用
导语
AlphaFold 2的问世引发了蛋白质结构及其相互作用建模的革命,使得在蛋白质建模和设计领域有了广泛的应用。Google DeepMind and Isomorphic Labs团队在5月8日Nature的最新论文“Accurate structure prediction of biomolecular interactions with AlphaFold 3”描述了最新推出的AlphaFold 3 模型,采用了一个大幅更新的基于扩散的架构,能够联合预测包括蛋白质、核酸、小分子、离子和修饰残基在内的复合物的结构。
...
- 2024-05-09