超三萬種材料，近百萬真實材料合成表征信息，LLM精準構建材料知識圖譜MKG，登NeurIPS2024
編輯 |ScienceAI知識圖譜集成多源數據信息為結構化知識，以闡明復雜科學領域的數據結構并介導研究進展、創新和應用的結構化知識交流。
首頁 > 表征
表征
-
-
GAN用于無監督表征學習，效果依然驚人……
無所不能的 GAN 又攻占了一個山頭。近年來，GAN 在圖像合成領域取得了驚人的成果，例如先前 DeepMind 提出的 BigGAN。
-
浙大蔡登團隊：基于序列對比學習的長視頻逐幀動作表征
浙大蔡登團隊攜手微軟亞洲研究院，提出了一個新的對比動作表征學習（CARL）框架，以自監督的方式學習逐幀動作表征，尤其是針對長視頻；它考慮了時空上下文來提取逐幀表征，是一種基于Transformer的簡單而高效的視頻編碼器。他們提出了一種新的序列對比損失（SCL），應用于通過一系列時空數據增強獲得的兩
-
CVPR2023|谷歌、MIT提出統一框架MAGE：表征學習超MAE，無監督圖像生成超越LatentDiffusion
在一篇 CVPR 2023 論文中，來自 MIT 和谷歌的研究人員提出了一種全新的框架MAGE，同時在圖像識別和生成兩大任務上實現了 SOTA。識別和生成是人工智能領域中的兩大核心任務，如果能將二者合并到一個統一的系統中，這兩個任務應該能實現互補。事實上，在自然語言處理中，像 BERT [1] 這樣
-
改進分子表征學習，清華團隊提出知識引導的圖Transformer預訓練框架
學習有效的分子特征表征以促進分子特性預測，對于藥物發現具有重要意義。最近，人們通過自監督學習技術預訓練圖神經網絡（GNN）以克服分子特性預測中數據稀缺的挑戰。然而，當前基于自監督學習的方法存在兩個主要障礙：缺乏明確的自監督學習策略和 GNN 的能力有限。
-
分子表征從「圖」到「視頻」，1.2億幀、200萬分子，湖大分子視頻基礎模型登Nature子刊
分子表征已經從「圖」擴展到「視頻」了。兩年前，湖南大學的研究團隊，開發了具有化學意識的深度學習框架 ImageMol，用于從大規模分子圖像中學習分子結構，可準確預測分子特性和藥物靶點。現在，該研究團隊將 ImageMol 進行了重大升級，提出一個基于分子視頻的基礎模型，稱為 Video
