生物多组学(宏基因组、宏转录组、宏蛋白组及代谢组)正以前所未有的通量 产出海量异质数据,但其深层整合受制于维度爆炸、跨组学非线性耦合及功能模 块涌现性难以量化等瓶颈。传统机器学习依赖人工特征工程,无法
AI 大模型代谢组学是当前生命科学与人工智能交叉领域的重要前沿方向, 其核心是利用大语言模型、Transformer、图神经网络、生成式模型和多模 态基础模型,对质谱、核磁、色谱、代谢通路、基因组、转
近年来,计算机视觉正在从传统的“图像识别任务”快速迈向“成像—复原—感知—理解”一体化的新阶段。深度学习计算机视觉与计算成像正是这一趋势下的重要交叉方向,它不仅关注目标检测、语义分割、三维感知和视觉基
人工智能正深刻重塑流体力学的研究范式,其前沿进展围绕数据与物理的深度融合以及计算效率的颠覆性提升展开。以物理信息神经网络为代表的模型通过将纳维-斯托克斯方程嵌入学习过程,成功实现了复杂几何流场与湍流反
深度学习集成电路设计是人工智能与芯片设计深度融合的重要前沿方向,旨在利用神经网络、图神经网络、强化学习、生成式模型等智能算法,提升集成电路在架构设计、逻辑综合、版图布局布线、功耗优化、时序分析、故障检
随着全球气候变化与农业可持续发展的需求日益迫切,土壤有机碳作为衡 量土壤健康与碳汇能力的关键指标,其高精度、高效率的监测与预测成为 研究热点。AI 大模型的引入正为土壤有机碳研究带来范式革新:基于大规
广东工业大学徐毅教授、暨南大学李向平研究员、厦门大学陈锦辉副教授团队提出了一种名为“上转换光学熵编码”的创新概念,并据此设计实现了一套视频速率的红外复振幅成像系
华中科技大学董建绩教授、周海龙副教授团队提出了光学逻辑卷积神经网络(OLCNN)的概念,设计了从1×3到3×3不同规模的光学逻辑卷积算子(OLCO),并逐步实现
香港城市大学王骋副教授、博士研究生冯寒珂、Yuansheng Tao等团队针对传统实时频谱感知方案难以同时满足6G网络所要求的超宽测量范围、紧凑尺寸和低延迟这一
西安交通大学第一附属医院秦思达副研究员、西安交通大学基础医学院陈乔依研究员团队针对非小细胞肺癌(NSCLC)中肿瘤抑制因子SATB2下游机制不明的问题,提出SA
本文报道了PocketXMol,一种创新的原子级生成模型,通过统一框架处理多种分子生成任务(如小分子设计、肽对接、结构优化等)。该模型突破传统方法依赖任务特定算
华中科技大学同济医学院张宇坤教授团队针对椎间盘退变(IVDD)中机械应力驱动病理进程的分子机制不明的问题,提出了TRIM25分子作为协调DNA损伤、细胞死亡与炎
东南大学贺加瑞等人引入了一种界面浓度梯度驱动力,它能持续地将锂从石墨表面迁移至内部,从而消除了导致锂析出的表层锂积累。
近日,芝加哥大学孟颖、中科院深圳先进院唐永炳、中科院宁波材料所邱报、刘兆平等人审视了在实现600 Wh kg⁻¹锂金属电池和理解其寿命失效
华东师范大学曾和平教授、黄坤教授团队提出并设计了一种高分辨率中红外单光子计算鬼成像系统。该系统通过在非线性晶体中引入预编程的近红外泵浦光作为时间光学门控来驱动和
同济大学郭志伟副教授团队联合北京理工大学段嘉华教授团队提出了一种基于非厄米光学斯格明子的一体化近场平台,通过利用斯格明子共振模式在非厄米框架下的多本征频率特性及
专业老师进行内容定制课题组老师进行授课
众多保障,为学员技能提升保驾护航
课程每年多次升级改版,紧跟科研最前沿