Learn more about Deep Learning - Section 9

“在存在代表性不足的群体中进行学习”

让我向您介绍我们的最新工作，该工作已被ICML 2023接受：改变很难：对子群体偏移的深入研究机器学习模型在许多领域显示出巨大...

一种新颖的机器学习模型将脱碳催化剂评估的时间从几个月缩短到毫秒级

生物质是指植物、木材、农业废弃物和其他生物材料等有机物质，可用作可再生能源。它被认为是可再生能源，因为它来自生物体，...

DAE对话：使用扩散自编码器实现高保真度的语音驱动对话人脸生成

今天我们将讨论一篇新的论文，可能是我遇到过的质量最高的音频驱动深度伪造模型DAE-talker来自微软研究，是一个个人特定的、...

认识FlexGen：一种用于在有限的GPU内存上运行大型语言模型（LLMs）的高吞吐量生成引擎

大型语言模型（LLMs）最近在各种任务上展现出令人印象深刻的性能。生成性LLM推理具有前所未有的能力，但也面临特定的困难。这...

微软AI研究引入了一种称为分布式图形变换器（DiG）的新型深度学习框架，用于预测分子系统的平衡分布

分子的结构决定了其性质和功能。这就是为什么结构预测是分子科学中的一个重要问题。分子科学家们对AlphaFold和RoseTTAFold等...

深度语言模型通过学习从上下文中预测下一个词来不断提高：这真的是人类大脑所做的吗？

深度学习在文本生成、翻译和补全方面近年来取得了显著进展。通过训练算法从周围的上下文中预测单词，这些算法对于实现这些进...

认识DeepOnto：一个使用深度学习进行本体工程的Python包

深度学习方法的进步对人工智能社区产生了巨大影响。随着一些伟大的创新和发展，许多任务变得更加容易。深度学习技术被广泛应...

图灵测试、中文房间和大语言模型

图灵测试是人工智能领域中的一个经典概念最初被称为模仿游戏，艾伦·图灵于1950年在他的论文《计算机器和智能》中提出了这个测...

宣布首次机器反学习挑战

由Google的研究科学家Fabian Pedregosa和Eleni Triantafillou发布 深度学习最近在各种应用中取得了巨大的进展，从逼真的图像...

天气的变化：AI和加速计算承诺更快、更高效的预测

根据慕尼黑再保险公司的数据，到2050年，极端天气和气候事件的频率和严重程度增加可能导致每年100万人死亡，损失达1.7万亿美...

NVIDIA首席执行官与欧洲生成式人工智能高管讨论成功要点

三家领先的欧洲生成式人工智能创业公司本周与NVIDIA创始人兼首席执行官黄仁勋一同讨论计算机新时代。 来自欧洲及更远地区的50...

将深度学习论文中的数学实现转化为高效的PyTorch代码：SimCLR对比损失

将深度学习论文中的数学内容实现为PyTorch / TensorFlow代码，将加深对深度学习模型背后数学原理的理解，并提高高级编码技巧

这个基于人工智能的蛋白质语言模型可以解锁通用序列建模能力

人们研究生命语言的方式已经从比较自然语言的句法-语义和蛋白质的序列功能的角度发生了根本性的变化。尽管这种比较在历史上被...

机器学习直观化

确实，像ChatGPT这样的模型背后的实际理论确实非常困难，但机器学习（ML）背后的基本直觉是直观的！那么，什么是机器学习呢？...

这项人工智能研究证实，当使用外部存储器增强时，基于Transformer的大型语言模型具有计算普适性

基于变压器的模型如GPT-2和GPT-3取得的显著成果引起了研究界对大型语言模型（LLMs）的关注。此外，ChatGPT的最近成功和受欢迎...

ONNX 模型 | 开放神经网络交换

介绍 ONNX，全称Open Neural Network Exchange，已被广泛认可为一种标准化格式，便于表示深度学习模型。由于其能够促进PyTorc...

AI，数字孪生将释放气候研究创新的下一波浪潮

人工智能和加速计算将帮助气候研究人员实现他们在气候研究方面取得突破的奇迹，NVIDIA创始人兼首席执行官黄仁勋在柏林地球虚...

为什么深度学习总是在数组数据上进行？新的人工智能研究引入了“空间函数”，将从数据到函数的处理视为一个整体

隐式神经表示（INRs）或神经场是基于坐标的神经网络，通过将3D坐标映射到3D空间中的颜色和密度值来表示场景，例如3D场景。最...

如果您使用光学神经网络运行Transformer模型会发生什么？

深度学习模型的指数级扩展是推动最新技术进展的重要力量，也是人们越来越担心能源消耗、速度以及大规模深度学习的可行性的来...

使用教科书级质量的合成数据训练语言模型

微软研究院刚刚发布了一篇论文，为有关数据在模型训练中的作用的持续争议增添了新的火花，具体涉及数据质量和合成数据的作用...