机器学习/深度学习

首页 标签 机器学习/深度学习
# 机器学习/深度学习 #
关注
69203内容
|
4小时前
|
《人工智能:洞察材料微观与宏观性能关系的神奇之眼》
在材料科学领域,人工智能正以前所未有的力量精准模拟材料微观结构与宏观性能的复杂关系。通过深度学习算法,AI将微观结构图像转化为数字化特征,揭示出传统方法难以企及的非线性映射规律。海量数据作为基石,使模型能够预测新材料的宏观性能,大幅缩短研发周期并降低成本。这一前沿技术不仅推动了航空航天、电子芯片等领域的技术飞跃,还在半导体、生物医用材料等方面展现出巨大潜力,成为材料科学创新的核心驱动力,引领人类迈向更智能、可持续的未来。
|
4小时前
|
《智驱磁材新征程:人工智能磁学性能预测之机遇与困境》
在科技发展的今天,人工智能与材料科学的融合为磁学性能预测带来革新。通过深度学习模型和聚类分析,AI能高效挖掘材料微观结构与磁学性能的关系,突破传统方法的局限。然而,数据质量、模型可解释性和材料复杂性等挑战依然存在。科研人员正通过标准化数据平台和结合物理知识的AI模型来应对这些问题,未来有望实现精准预测和高效设计新型磁性材料,推动电子信息、能源、医疗等领域的发展。
|
4小时前
|
《智驱新材变革:人工智能赋能新材料柔性制造新时代》
在当今制造业快速变革的背景下,柔性制造与新材料产业成为行业发展的关键。借助人工智能技术,新材料生产正迈向更加灵活、高效、智能的方向。AI通过深度数据分析,优化生产规划与调度,精准预测市场需求,动态调整生产计划;实时监测和自适应控制工艺参数,确保产品质量稳定;利用机器视觉等技术实现智能质量检测,提前预防缺陷;构建人机协作的智能制造生态系统,充分发挥人和机器的优势。这不仅提高了生产效率和资源利用率,还为全球制造业的转型升级注入了强大动力,开创了新材料生产的新时代。
|
4小时前
|
《智领新材制造:人工智能点亮新材料良品率提升之路》
在新材料生产中,人工智能通过精准监测、故障预警、智能优化工艺参数、智能化质量检测及预测性维护,全方位提升生产良品率。它结合传感器实时数据,快速识别异常并优化参数,确保产品质量一致性。机器视觉和无损检测技术提高缺陷识别精度,预测性维护保障设备稳定运行。尽管面临挑战,AI正重塑新材料生产模式,助力产业高质量发展。
通义视觉推理大模型QVQ-72B-preview重磅上线
Qwen团队推出了新成员QVQ-72B-preview,这是一个专注于提升视觉推理能力的实验性研究模型。提升了视觉表示的效率和准确性。它在多模态评测集如MMMU、MathVista和MathVision上表现出色,尤其在数学推理任务中取得了显著进步。尽管如此,该模型仍存在一些局限性,仍在学习和完善中。
|
17小时前
| |
TurboAttention:基于多项式近似和渐进式量化的高效注意力机制优化方案,降低LLM计算成本70%
**TurboAttention**提出了一种全新的LLM信息处理方法。该方法通过一系列优化手段替代了传统的二次复杂度注意力机制,包括稀疏多项式软最大值近似和高效量化技术。
|
19小时前
|
字节豆包大模型团队突破残差连接局限!预训练收敛最快加速80%
字节跳动豆包大模型团队提出“超连接”创新方法,突破残差连接局限,引入可学习的深度和宽度连接,动态调整网络层间连接强度。该方法在大型语言模型预训练中实现最快收敛速度,加速80%,并在图像生成、分类等任务中表现出色,显著提升准确率和稳定性。论文链接:https://arxiv.org/pdf/2409.19606
HelloMeme:开源的面部表情与姿态迁移框架,将视频中的人物表情迁移到静态图像中生成动态视频
HelloMeme 是一个基于 Stable Diffusion 1.5 模型的面部表情与姿态迁移框架,通过集成空间编织注意力机制,实现了自然且物理合理的表情包视频生成。该框架具有强大的泛化能力和扩展性,适用于多种应用场景。
InvSR:开源图像超分辨率生成模型,提升分辨率,修复老旧照片为超清图像
InvSR 是一个创新的图像超分辨率模型,基于扩散模型的逆过程恢复高分辨率图像。它通过深度噪声预测器和灵活的采样机制,能够高效地提升图像分辨率,适用于老旧照片修复、视频监控、医疗成像等多个领域。
CLEAR:新加坡国立大学推出线性注意力机制,使8K图像的生成速度提升6.3倍,显著减少了计算量和时间延迟
新加坡国立大学推出的CLEAR线性注意力机制,通过局部注意力窗口设计,显著提升了预训练扩散变换器生成高分辨率图像的效率,生成8K图像时提速6.3倍。
免费试用