自学几小时,斯坦福AI推测并复现了元素周期表 | 华裔团队研究

简介:

氢氦锂铍硼,碳氮氧氟氖…

传说要想学好化学,得先打败一只神兽,并且一旦攻破神兽,就能学好一半了。这到底是何方神圣,居然有如此大威力?

答案就是:元素周期表~就是这张小小的表格,人类钻研了一个世纪,才被门捷大大在1869年发现。

665d0305aa3396664e963bd6d2b5fa5a8b90b190

元素周期表快速复习

近日,斯坦福大学的物理学家开发了一种新型的AI程序Atom2Vec,仅仅几个小时的学习后,它就推测并复现出元素周期表排位。

人类一百年完成的工作,AI怎么几小时就完工了。

Atom2Vec

斯坦福研究人员是怎样快速重建元素周期表的?

他们表示,Atom2Vec通过分析在线数据库的化合物名称列表,首先学会了成功区分不同的原子。

随后,无监督学习登场,借鉴NLP领域的概念,Atom2Vec通过每个化合物中原子的搭配规律理解不同原子的属性,按照化学属性分类,最终重建出元素周期表。

羡慕归羡慕,这种重建大法看来人类是无法习得了~

a8ff5841b2f221430df1e71bd045b502fbd997bc

谈到Atom2Vec的命名,研究人员坦言是受了谷歌Word2Vec的启发。这种能将语言文字转换成数字向量的方法,也被用在了元素周期表的重建中。通过向量分析,AI能够预测一个词出现在其他文本中的概率。

例如,“国王”一词经常和“女王”“男人”“女人”一同出现,因此“国王”的数学向量可能被粗略地翻译为“国王=女王-女人+男人“。

d0aab8d114ac0018de033b0f0043785ca05a1b5e

“我们将相同的方法应用于原子。不是从一组文本中提取所有单词和句子,而是给Atom2Vec提供所有已知的化合物,如NaCl,KCl,H2O等。”研究人员说。随后,AI程序计算出例如钾(K)和钠(Na)可能具有相似的性质,因为两者都可以与氯(Cl)结合。就像国王和王后相似,钾和钠是相似的。

这项研究即将在7月25日发表于美国国家科学院院刊。

华裔研究团队

其实,这项成果的负责人是一名中科院外籍院士。

今年55岁的张首晟是名美籍华裔物理学家、美国文理科学院院士、美国国家科学院院士和斯坦福大学J.G. Jackson和C.J. Wood讲座教授。

b78f2312f7441ba94c2af5ebface22cc822aea71

张首晟本人

此前,张首晟的主要研究主要包括拓扑绝缘体、量子自旋霍尔效应、自旋电子学、高温超导等方向,为什么对化学元素周期表有了兴趣?

张首晟表示,自己设计这个AI的最初目的,是想提出一个新的机器智能基准,就像图灵测试一样。

“我们想看看是否可以设计出一种能在发现新自然规律时击败人类的AI,但为了做到这一点,就必须先测试AI是否能够完成人类已经发现的最伟大发现。”张首晟说。

看来,目前大计划的分支计划已经达到。至于这个能够重建元素周期表的技术,张首晟希望可以帮助科学家去发现和设计新材料。

“你可以尝试给它一个目标,并指导它找到。”张首晟说。


原文发布时间为:2018-06-26

本文来自云栖社区合作伙伴“量子位”,了解相关信息可以关注“量子位”。

相关文章
|
2月前
|
人工智能 安全 搜索推荐
北大计算机学院再登国际AI顶刊!张铭教授团队揭露医疗AI致命漏洞
【10月更文挑战第17天】北京大学计算机学院张铭教授团队在国际顶级人工智能期刊上发表重要成果,揭示了医疗AI系统中的致命漏洞——“模型反演”。该漏洞可能导致误诊和医疗事故,引起学术界和工业界的广泛关注。研究强调了医疗AI系统安全性评估的重要性。
46 1
|
5天前
|
机器学习/深度学习 人工智能 自然语言处理
AI自己长出了类似大脑的脑叶?新研究揭示LLM特征的惊人几何结构
近年来,大型语言模型(LLM)的内部运作机制备受关注。麻省理工学院的研究人员在论文《The Geometry of Concepts: Sparse Autoencoder Feature Structure》中,利用稀疏自编码器(SAE)分析LLM的激活空间,揭示了其丰富的几何结构。研究发现,特征在原子、大脑和星系三个尺度上展现出不同的结构,包括晶体结构、中尺度模块化结构和大尺度点云结构。这些发现不仅有助于理解LLM的工作原理,还可能对模型优化和其他领域产生重要影响。
46 25
|
16天前
|
人工智能
带上团队一起来做 AI 编程实践丨通义灵码联合TGO鲲鹏会开启 AI 大课
带上团队一起来做 AI 编程实践丨通义灵码联合TGO鲲鹏会开启 AI 大课
|
18天前
|
人工智能 自然语言处理 数据挖掘
田渊栋团队新作祭出Agent-as-a-Judge!AI智能体自我审判,成本暴跌97%
田渊栋团队提出Agent-as-a-Judge框架,利用智能体自身评估其他智能体的性能,不仅关注最终结果,还能提供中间反馈,更全面准确地反映智能体的真实能力。该框架在DevAI基准测试中表现出色,成本效益显著,为智能体的自我改进提供了有力支持。
35 7
|
25天前
|
人工智能 开发者
人类自身都对不齐,怎么对齐AI?新研究全面审视偏好在AI对齐中的作用
论文《AI对齐中的超越偏好》挑战了偏好主义AI对齐方法,指出偏好无法全面代表人类价值观,存在冲突和变化,并受社会影响。文章提出基于角色的对齐方案,强调AI应与其社会角色相关的规范标准一致,而非仅关注个人偏好,旨在实现更稳定、适用性更广且更符合社会利益的AI对齐。论文链接:https://arxiv.org/pdf/2408.16984
33 2
|
26天前
|
人工智能 自然语言处理 Swift
探索面向开放型问题的推理模型Marco-o1,阿里国际AI团队最新开源!
阿里国际AI团队发布的新模型Marco-o1,不仅擅长解决具有标准答案的学科问题(如代码、数学等),更强调开放式问题的解决方案。该模型采用超长CoT数据微调、MCTS扩展解空间等技术,提升了模型在翻译任务及复杂问题解决上的表现。研究团队还开源了部分数据和模型,供社区使用和进一步研究。
|
6天前
|
人工智能 自然语言处理 物联网
AI Safeguard联合 CMU,斯坦福提出端侧多模态小模型
随着人工智能的快速发展,多模态大模型(MLLMs)在计算机视觉、自然语言处理和多模态任务中扮演着重要角色。
|
1月前
|
人工智能 知识图谱
成熟的AI要学会自己搞研究!MIT推出科研特工
MIT推出科研特工SciAgents,结合生成式AI、本体表示和多代理建模,实现科学发现的自动化。通过大规模知识图谱和多代理系统,SciAgents能探索新领域、识别复杂模式,加速新材料发现,展现跨学科创新潜力。
43 12
|
1月前
|
机器学习/深度学习 人工智能 算法
基于AI的性能优化技术研究
基于AI的性能优化技术研究
|
1月前
|
机器学习/深度学习 人工智能 自然语言处理
o1医学领域大胜GPT-4,性能暴涨!顶尖华人团队激动发文:离AI医生越来越近了
【10月更文挑战第29天】近日,一支顶尖华人团队发布论文《A Preliminary Study of o1 in Medicine: Are We Closer to an AI Doctor?》,揭示了OpenAI最新语言模型o1在医学领域的卓越表现。研究显示,o1在概念识别、文本总结、问答等任务上远超GPT-4,显著提升了医学领域的AI应用水平,向实现AI医生的目标迈进了一大步。
54 3
下一篇
DataWorks