Giters

hyperai / awesome-ai4s

AI for Science 论文解读合集（持续更新ing），论文/数据集/教程下载：hyper.ai

Home Page:https://hyper.ai

Geek Repo:Geek Repo

Github PK Tool:Github PK Tool

Awesome AI for Science

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。

随着越来越多的交叉学科人才开始在其研究领域应用机器学习、深度学习等技术进行数据处理、构建模型，加之跨学科研究团队的合作日益加强，AI4S 的能力被更多科研人员所关注到，但却未达到规模化应用的目标。提高相关研究的可复用性、降低技术门槛、提高数据质量等诸多问题亟待解决。

目前，除了高校、科研机构在积极探索 AI4S 外，多国政府及头部科技企业也都关注到了 AI 革新科研的潜力，并进行了相关的政策疏导与布局，可以说 AI4S 已经是大势所趋。

作为最早一批关注到 AI for Science 的社区，「HyperAI超神经」在陪伴行业成长的同时，也乐于将最新的研究进展与成果进行普适化分享，我们希望通过解读前沿论文与政策的方式，令更多团队看到 AI 对于科研的帮助，为 AI for Science 的发展贡献力量。

目前，HyperAI超神经已经解读分享了百余篇论文，为了便于大家检索，我们将文章根据学科进行分类，并展示了发表期刊及时间，提取了关键词（研究团队、相关研究、数据集等），大家可以点击题目获取论文解读文章（内含完整论文下载链接），或者直接点击论文标题查看原文。

本文档将以开源项目的形式呈现，我们将持续更新解读文章，同时也欢迎大家投稿优秀研究成果，如果您所在的团队/课题组有报道需求，可添加微信：神经星星（微信号：Hyperai01）。

AI+ 生物医药：AI+Biopharmaceutical

1. AdaDR 在药物重定位方面的性能优于多个基准方法

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

3. 深度生成模型 MIDAS 用于单细胞多组学数据马赛克整合

  • 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

  • 发布期刊： Nature Biotechnology, 2024.01

  • 论文链接： Mosaic integration and knowledge transfer of single-cell multimodal data with MIDAS

4. 基于蛋白质口袋的 3D 分子生成模型——ResGen

5. 大模型 + 机器学习高精度预测酶动力学参数

  • 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

  • 发布期刊： Nature Communications, 2023.12

  • 论文链接： UniKP: a unified framework for the prediction of enzyme kinetic parameters

6. MIT 利用深度学习发现新型抗生素

7. 神经网络解密 GPCR-G 蛋白偶联选择性

8. Macformer 将无环药物菲卓替尼大环化

9. 快速自动扫描套件 FAST 高效获取样本信息

10. 回归网络 + CGMD，预测百亿种多肽的自组装特性

11. 无监督学习预测 7100 万种基因突变

12. 基于图神经网络 (GNN) 开发气味分析 AI

13. 图神经网络筛选安全高效的抗衰老成分

14. 机器学习量化分析多巴胺的释放量和释放位置

15. 机器学习发现三种抗衰老药物

  • 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

  • 发布期刊： Nature Communications, 2023.06

  • 论文链接： Discovery of Senolytics using machine learning

16. 深度学习筛选抑制鲍曼不动杆菌的新型抗生素

17. 机器学习模型应用于预测生物墨水可打印性

18. 机器学习分化多能干细胞

19. 机器学习模型预测长效注射剂药物释放速率

20. 机器学习算法有效预测植物抗疟性

21. 机器学习集成方法预测病毒蛋白片段免疫原性

22. 用生成式 AI 开发新型抗生素

23. 基于深度学习研发了一种自动化、高速、多维的单粒子追踪系统

24. ProEnsemble 机器学习框架：优化进化通路启动子组合

25. 微环境感知图神经网络 ProtLGN 指导蛋白质定向进化

  • 科研团队： 上海交通大学洪亮课题组

  • 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

  • 发布期刊： JOURNAL OF CHEMICAL INFORMATION AND MODELING, 2024.04

  • 论文链接： Protein Engineering with Lightweight Graph Denoising Neural Networks

26. 韩国版 AlphaFold？深度学习模型 AlphaPPIMd：用于蛋白质-蛋白质复合物构象集合探索

  • 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

  • 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

27. 可抑制癌细胞增殖！研发新型肿瘤抑制蛋白降解剂 dp53m

28. CVPR 最佳学生论文！多模态模型 BioCLIP 实现零样本学习

  • 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

  • 发布期刊： CVPR 2024, 2024.02

  • 论文链接： BIoCLIP: A Vision Foundation Model for the Tree of Life

29. 1 亿参数！细胞大模型 scFoundation 可对 2 万基因同时建模

  • 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

  • 发布期刊： Nature Methods, 2024.06

  • 论文链接： Large-scale foundation model on single-cell transcriptomics

30. 入选顶会 ICML，蛋白质语言模型 ESM-AA 超越传统 SOTA

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

  • 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

  • 发布期刊： Nature Medicine, 2024.01

  • 论文链接： A deep learning system for predicting time to progression of diabetic retinopathy

2. 逻辑回归模型分析高绿色景观指数可降低 MetS 风险

3. 深度学习系统助力初级眼科医生的诊断一致性提高 12%

4. GSP-GCNs 实现帕金森病诊断准确率高达 90.2%

5. 乳腺癌预后评分系统 MIRS

6. 视网膜图像基础模型 RETFound，预测多种系统性疾病

  • 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

  • 发布期刊： Nature, 2023.08

  • 论文链接： A foundation model for generalizable disease detection from retinal images

7. SVM 优化触觉传感器，盲文识别率达 96.12%

8. 中科院基因组所建立开放生物医学成像档案

9. AI Lunit 阅读乳腺 X 光片的准确率与医生相当

10. 特征选择策略检测乳腺癌生物标志物

11. 梯度提升机模型准确预测 BPSD 亚综合征

12. 机器学习模型预测患者一年内死亡率

13. AI 新脑机技术让失语患者「开口说话」

14. 基于深度学习的胰腺癌人工智能检测

15. 机器学习辅助肺癌筛查的群体有效性

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

17. 谷歌发布 HEAL 架构，4 步评估医学 AI 工具是否公平

  • 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

18. 借鉴语义分割，开发空间转录组语义注释工具 Pianno

19. AI 模型 UniFMIR，突破现有荧光显微成像极限

20. 深度学习系统，提高癌症生存预测准确性

  • 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

  • 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

21. 候选 CVPR 2024 最佳论文！MemSAM 将「分割一切」模型用于医学视频分割

  • 科研团队： 深圳大学吴惠思

  • 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

  • 发布期刊： CVPR 2024, 2024.05

  • 论文链接： MemSAM: Taming Segment Anything Model forEchocardiography Video Segmentation

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

2. 机器学习算法模型筛选 P-SOC 电极材料

3. SEN 机器学习模型，实现高精度的材料性能预测

4. 深度学习工具 GNoME 发现 220 万种新晶体

  • 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

  • 发布期刊： Nature, 2023.11

  • 论文链接： Scaling deep learning for materials discovery

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

  • 科研团队： **科学技术大学的蒋彬课题组

  • 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

  • 发布期刊： Nature Communication, 2023.10

  • 论文链接： Universal machine learning for the response of atomistic systems to external fields

6. 机器学习预测多孔材料水吸附等温线

7. 利用机器学习优化 BiVO(4) 光阳极的助催化剂

8. RetroExplainer 算法基于深度学习进行逆合成预测

9. 深度神经网络+自然语言处理，开发抗蚀合金

10. 深度学习通过表面观察确定材料的内部结构

11. 利用创新 X 射线闪烁体开发 3 种新材料

12. 半监督学习提取无标签数据中的隐藏信息

13. 基于自动机器学习进行知识自动提取

14. 一种三维 MOF 材料吸附行为预测的机器学习模型 Uni-MOF

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

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

17. 最强铁基超导磁体诞生！基于机器学习，磁场强度超过先前记录 2.7 倍

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

2. 基于孪生网络的深度学习方法，自动捕捉胚胎发育过程

  • 科研团队： 系统生物学家 Patrick Müller 及康斯坦茨大学研究团队

  • 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

  • 发布期刊： Nature Methods, 2023.11

  • 论文链接： Uncovering developmental time and tempo using deep learning

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

4. AI 相机警报系统准确区分老虎和其他物种

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

6. 基于人脸识别 ArcFace Classification Head 的多物种图像识别模型

7. 利用 Python API 与计算机视觉 API，监测日本的樱花开放情况

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

9. 综述：借助 AI 更高效地开启生物信息学研究

  • 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

  • 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

  • 发布期刊： Methods in Ecology and Evolution, 2023.01

  • 论文链接： BirdFlow: Learning seasonal bird movements from eBird data

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

2. 通过 YOLOv5 算法，设计监测母猪姿势与猪仔出生的模型

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

  • 科研团队： 以色列特拉维夫大学的研究团队

  • 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

  • 发布期刊： Cell，2023.03

  • 论文链接： Sounds emitted by plants under stress are airborne and informative

4. 无人机+ AI 图像分析，检测林业害虫

5. 计算机视觉+深度学习开发奶牛跛行检测系统

AI+ 气象学：AI+Meteorology

1. 综述：数据驱动的机器学习天气预报模型

  • 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

  • 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

4. 基于随机森林的机器学习模型 CSU-MLP

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

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」

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

  • 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

  • 发布期刊： arXiv, 2023.09

  • 论文链接： Astronomaly at Scale: Searching for Anomalies Amongst 4 Million Galaxies

4. 基于机器学习的 CME 识别与参数获取方法

5. 深度学习发现 107 例中性碳吸收线

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

2. 语义分割模型 SCDUNet++ 用于滑坡测绘

  • 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%

  • 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

3. 神经网络将太阳二维图像转为三维重建图像

4. 可叠加神经网络分析自然灾害中的影响因素

  • 科研团队： 加利福尼亚大学洛杉矶分校的研究团队

  • 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

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

6. 基于机器学习的洪水预报模型

7. ED-DLSTM实现无监测数据地区洪水预测

  • 科研团队： **科学院成都山地灾害与环境研究所欧阳朝军团队

  • 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

AI4S 政策解读：AI4S Policy

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

其他：Others

1. TacticAI 足球助手战术布局实用性高达 90%

  • 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%

  • 发布期刊： Nature, 2024.03

  • 论文链接： TacticAI: an AI assistant for football tactics

2. 去噪扩散模型 SPDiff 实现长程人流移动模拟

  • 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

  • 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

  • 发布期刊： Nature, 2024.02

  • 论文链接： Social Physics Informed Diffusion Model for Crowd Simulation

3. 智能化科学设施推进科研范式变革

  • 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

  • 发布期刊： **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

4. DeepSymNet 基于监督学习来表示符号表达式

5. 大语言模型 ChipNeMo 辅助工程师完成芯片设计

  • 科研团队： 英伟达研究团队

  • 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

  • 发布期刊： arXiv, 2024.04

  • 论文链接： ChipNeMo: Domain-Adapted LLMs for Chip Design

6. AlphaGeometry 可解决几何学问题

7. 强化学习用于城市空间规划

  • 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

  • 发布期刊： Nature Computational Science, 2023.09

  • 论文链接： Spatial planning of urban communities via deep reinforcement learning

8. ChatArena 框架，与大语言模型一起玩狼人杀

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

  • 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

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

  • 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%

  • 发布期刊： Nature, 2020.03

  • 论文链接： Restoring and attributing ancient texts using deep neural networks

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

  • 科研团队： 香港城市大学的研究团队

  • 相关研究： Predicting NN、深度神经网络。预测准确率达到 99% 以上

  • 发布期刊： ACS Publications, 2022.06

  • 论文链接： Artificial Intelligence in Meta-optics

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

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

  • 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

  • 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

  • 发布期刊： ICLR 2024, 2024.01

  • 论文链接： Spatio-Temporal Few-Shot Learning via Diffusive Neural Network Generation

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

  • 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

About

AI for Science 论文解读合集（持续更新ing），论文/数据集/教程下载：hyper.ai

https://hyper.ai

License:Apache License 2.0