MOLAR NEWS
2020年第35期
MolarData人工智能每周见闻分享，每周一更新。
新知丨DeepMind新突破！首次用深度学习从第一性原理计算分子能量
DeepMind发表了一项新研究，展示了深度学习如何帮助解决现实系统中的量子力学基本方程问题，相关论文发表在物理学期刊《Physical Review Research》，代码也已经开源。
这种新的神经网络架构叫做Fermionic神经网络或FermiNet，该架构适合对大量电子集合体（化学键的基本组成部分）的量子态进行建模。
DeepMind表示，FermiNet是第一个利用深度学习来从第一性原理计算原子和分子能量的尝试，并拥有足够的精确度。他们还计划将FermiNet用于蛋白质折叠、玻璃态动力学、晶格量子色动力学等研究项目，以将这一愿景变为现实。
DeepMind表示，FermiNet是深度学习与计算量子化学融合的伟大事物的开始。到目前为止，他们研究的大多数系统都经过了充分的研究和很好的理解。
自从去年DeepMind首次将工作放到arXiv以来，其他小组已经分享了他们将深度学习应用于多电子问题的第一性原理计算的方法。DeepMind表示，他们期待将FermiNet应用于材料科学和凝聚态物理中的难题。
来源：中国人工智能学会
斩获道路损坏检测竞赛世界第三，滴滴AI视觉团队提出CFM算法
近日，在IEEE BigData2020 Global Road Damage Detection Challenge 2020道路损坏检测竞赛中，滴滴AI视觉团队提出的CFM算法在两个不同评测集中以Test1得分0.6657，在全球80个参赛队伍中排名第二；Test2得分0.6219，在全球19个参赛队伍中排名第三，最终获得了总分世界第三的成绩。
滴滴视觉AI技术部图像技术团队沈海峰、张修宝、裴子祥提出的CFM算法，采用了局部区域注意力学习机制，通过利用现有道路分割算法，获取城市道路图像的分割图像作为模板，动态叠加至训练数据集与测试数据集上，使得模型训练基于更丰富的语义信息，具有更好的鲁棒性并提升目标检测的准确率。
对于此次道路损坏程度检测技术斩获世界第三，滴滴表示，将持续进行更多探索，不断优化出行交通感知理解、智能交互等技术，用先进的AI技术提升用户体验、助力行业转型升级。
来源：AI科技大本营
应用在大规模推荐系统，Facebook提出组合embedding方法 | KDD 2020
Facebook团队考虑embedding的存储瓶颈，提出了一种新颖的方法，通过利用类别集合的互补分区为每个类别生成唯一的embedding向量，无需明确定义，从而以端到端的方式减小embedding大小。通过基于每个互补分区存储多个较小的embedding table并组合来自每个table的embedding ，以较小的内存成本为每个类别定义了唯一的embedding 。可以将这种方法解释为使用特定的固定密码本来确保每个类别表示的唯一性。
实验结果表明，该方法比hash技巧更有效，同时也能使参数量减小，可减少模型损失和准确性，减少embedding table的大小。
来源：AI科技大本营
谷歌联手DeepMind提出Performer：用新方式重新思考注意力机制
谷歌、DeepMind、艾伦图灵研究院和剑桥大学的科学家们提出了「Performer」，一种线性扩展的人工智能模型架构，并在蛋白质序列建模等任务中表现良好。它有潜力影响生物序列分析的研究，降低计算成本和计算复杂性，同时减少能源消耗和碳排放。
「Performer」是一个具有注意力线性扩展机制的Transformer架构，可以使模型在处理更长序列的同时实现更快的训练，这是对于特定的图像数据集如 ImageNet64和文本数据集如 PG-19所必需的。
Google AI的研究人员相信，他们对于Performer的研究开辟了一种关于Attention、Transformer架构甚至Kernel的全新的思维方式，对于进一步的改进有巨大的启示作用。
来源：新智元
YOLOv5的妙用：学习手语，帮助听力障碍群体
如果通过机器学习应用可以精确地翻译美式手语，即使从最基础的字母表开始，我们也能向着为听力障碍群体提供更多的便利和教育资源前进一步。
数据科学家David 选择使用 YOLOv5 进行建模。将数据集中 90% 的图像用作训练数据，10% 的图像用作验证集。使用迁移学习和 YOLOv5m 预训练权重训练 300 个 epoch。
该模型在仅使用小型数据集的情况下仍能取得不错的性能。即使对于不同环境中的不同手部，模型也能实现良好的检测结果。而且一些局限性是可以通过更多训练数据得到解决的。经过调整和数据集的扩大，该模型或许可以扩展到美式手语字母表以外的场景。
来源：机器之心
AI资讯
掌握最新时事新闻
长按扫码关注我们
原创文章，作者：整数智能，如若转载，请注明出处：https://www.agent-universe.cn/2020/10/8490.html
