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
|
20天前
|
人工智能 文字识别 监控
|
24天前
|
存储 人工智能 安全
拔俗AI临床大数据科研分析平台:让医学研究更智能、更高效
阿里云原生AI临床大数据科研平台,打通异构医疗数据壁垒,实现智能治理、可视化分析与多中心安全协作,助力医院科研提速增效,推动精准医疗发展。
|
人工智能 大数据 安全
拔俗AI临床大数据科研分析平台:用智能技术加速医学研究新突破
AI临床大数据科研平台基于云原生架构,融合医疗NLP、联邦学习与智能分析技术,破解非结构化数据处理难、多源数据融合难、统计周期长等痛点,实现数据治理、智能分析与安全协作全链路升级,赋能医学科研高效、安全、智能化发展。
|
4月前
|
机器学习/深度学习 人工智能 自动驾驶
AI Agent多模态融合策略研究与实证应用
本文从多模态信息融合的理论基础出发,构建了一个结合图像与文本的AI Agent模型,并通过PyTorch代码实现了完整的图文问答流程。未来,多模态智能体将在医疗、自动驾驶、虚拟助手等领域展现巨大潜力。模型优化的核心是提升不同模态的协同理解与推理能力,从而打造真正“理解世界”的AI Agent。
AI Agent多模态融合策略研究与实证应用
|
4月前
|
机器学习/深度学习 人工智能 算法
深度强化学习在异构环境中AI Agent行为泛化能力研究
随着人工智能技术的迅猛发展,AI Agent 在游戏、智能制造、自动驾驶等场景中已逐步展现出强大的自适应能力。特别是深度强化学习(Deep Reinforcement Learning, DRL)的引入,使得智能体能够通过与环境的交互,自动学习最优的行为策略。本文将系统性地探讨基于深度强化学习的AI Agent行为决策机制,并结合代码实战加以说明。
深度强化学习在异构环境中AI Agent行为泛化能力研究
|
4月前
|
机器学习/深度学习 人工智能 自然语言处理
原来AI也能“读心术”?——聊聊AI在心理学研究中的那些突破
原来AI也能“读心术”?——聊聊AI在心理学研究中的那些突破
177 1
|
4月前
|
机器学习/深度学习 人工智能 自然语言处理
AI 驱动:如何用AI直接生成矢量 Logo? 技术研究与工具选择
AI 技术革新品牌标志设计,通过深度学习分析数据,精准把握市场趋势,智能生成高辨识度 Logo。矢量格式(SVG)确保清晰不失真,适配各类展示场景。AI 工具高效便捷,支持个性化定制,助力品牌快速打造专业视觉形象,成为市场竞争中的有力武器。
266 0
|
17天前
|
人工智能 运维 Kubernetes
Serverless 应用引擎 SAE:为传统应用托底,为 AI 创新加速
在容器技术持续演进与 AI 全面爆发的当下,企业既要稳健托管传统业务,又要高效落地 AI 创新,如何在复杂的基础设施与频繁的版本变化中保持敏捷、稳定与低成本,成了所有技术团队的共同挑战。阿里云 Serverless 应用引擎(SAE)正是为应对这一时代挑战而生的破局者,SAE 以“免运维、强稳定、极致降本”为核心,通过一站式的应用级托管能力,同时支撑传统应用与 AI 应用,让企业把更多精力投入到业务创新。
251 29
|
1月前
|
消息中间件 人工智能 安全
云原生进化论:加速构建 AI 应用
本文将和大家分享过去一年在支持企业构建 AI 应用过程的一些实践和思考。
322 19

热门文章

最新文章