机器学习方法可识别未上市人造毒品，包含十亿药物结构
11月15日发表一项研究获得突破！研究团队创造了一种机器学习方法，可以仅利用质谱就确定未知的新型人造毒品的化学结构，了解这些结构能帮助法医实验室更快识别出疑似的人造毒品。加拿大英属哥伦比亚大学研究人员迈克尔·斯金奈德及其同事，此次使用全球各地法医实验室众包的保密数据，训练了一个机器学习模型。他们所使用的算法也被称为深度神经网络，其灵感来自于人脑的结构和功能。机器学习产生了结构和性质都类似于近期人造毒品的分子。该模型随后产生了一个数据库，包含十亿种潜在新型精神药物的结构。用模型训练结束后新收集的数据测试该模型，发现这一方法可以仅用质谱就确定未知人造毒品。在准确结构难以精准确定的实例中，该模型建议的结构，与未知人造毒品非常相似。研究人员发现，该模型还可帮助人们了解到哪些分子更有可能出现在市场上，哪些不太可能。研究人员总结说，用其他数据集训练的类似的生成方法，也可以帮助识别其他特定领域未知分子的结构，例如识别新型兴奋剂或者环境污染物。......阅读全文
机器学习模型预测中风？
中风的诊断可能很棘手，因为患者并不总是表现出典型的症状，而且其他疾病也可能模仿它。研究人员利用现有数据开发了一种机器学习模型，可以准确预测中风，并可能使诊断变得更容易。诊断错误是一个主要的公共卫生问题，造成了可预防的病人伤害和卫生超支。由于诊断错误而导致的可预防的中风死亡比误诊的心脏病发作要常见30
机器学习加速探索材料的开发
设计空间几何增长是材料设计中的一大挑战。机器学习（ML）加速探索材料设计已经开始在的这一挑战中发挥作用，并显著提高了发现材料的效率。然而，这个流程暗含了密度泛函理论（DFT）产生的训练集的统计上的偏见。并且，在使用高通量计算产生训练集的时候，大量的计算会失败。这种情况对于一些有趣的，例如含有自由
比传统机器学习算法快1000倍——联想学习法
英国牛津大学材料系研究人员联合埃克塞特大学和明斯特大学的同事开发了一种片上光学处理器，能检测数据集中的相似性，速度比在电子处理器上运行的传统机器学习算法快1000倍。发表在《光学》杂志上的这项新研究的灵感来自诺贝尔奖获得者伊万·巴甫洛夫对经典条件反射的发现。巴甫洛夫在实验中发现，如果在喂食过程中提供
Google如何用机器学习帮助药物研发？
从在搜索中回答与健康相关的问题，到给开发者提供健身数据平台，Google在我们的日常健康中越来越重要。但其实互联网巨头们也在努力加快研发治愈人类顽疾的关键药物。 同斯坦福大学的Pande Lab合作，Google Research发表了一篇题为“针对药物研发的大规模多任务网络”的文章
机器学习模型可识别乳房病变风险
美国研究人员近日在《放射学》杂志线上版发表文章称，他们开发出一种机器学习工具，可以确定哪些高危乳房病变可能会变成癌症，从而帮助医生作出正确的治疗决策，减少不必要的手术。 乳房病变是一种女性常见疾病，而高危乳房病变有很大几率转变成癌症。正是由于这种风险，手术切除病变组织通常被认为是首选治疗
“量子比特+机器学习”可精准测磁场
北京7月8日电,据芬兰阿尔托大学官网近日报道，该校科研人员主导的国际团队提出了一种采用量子系统测量磁场的方法，新系统的精确度超过了标准量子极限。他们表示，从量子状态中快速提取信息，对于未来的量子处理器和现有超灵敏探测器来说都必不可少。此项研究向利用量子增强方法进行传感迈出了关键的第一步。 在
机器学习鉴别出八种戒烟药物
美国科学家开发出一种新的机器学习方法，可通过计算机程序分析数据集的模式和趋势来识别药物，他们借此鉴定出了8种有助戒烟的药物，包括用于治疗感冒咳嗽的右美沙芬等。相关研究刊发于最新一期《自然·遗传学》杂志。 吸烟是导致心血管疾病、癌症和呼吸系统疾病的危险因素。虽然吸烟行为是后天学习的，但此前的一项
机器学习技术加速植物精准设计育种
种子被誉为农业的“芯片”，育种科技创新是推动农业发展的核心动力。未来植物育种的新范式是基因组学、基因编辑、合成生物学等生物技术（BT）与数据科学、机器学习、人工智能等信息技术（IT）的多元化融合。农业农村部“十四五”规划将“智慧种业”列在“智慧农业”领域七大攻关任务之首。任务中明确提出：构建数字化育
机器学习助力更好理解水的行为
美国一个研究团队在最新一期《物理评论快报》上刊发论文称，他们借助机器学习技术来理解水在零下100℃的行为。最新研究不仅能让科学家更好地理解水，也为更好地从理论上理解各种物质开辟了更多途径。 水是人们最熟悉、接触最频繁的物质之一，但实际上它还有很多未解之谜。在过去30年里，科学家们从理论上认为，当
机器学习模型创建定制气味和香水
目前，人们仅根据气味剂的物理化学特征来预测嗅觉印象。但是，该方法无法预测传感数据，而传感数据对于产生气味是必不可少的。为了解决这个问题，日本东京工业大学研究人员采用了逆向思维的创新策略，不是根据分子数据预测气味，而是根据气味印象预测分子特征。这是使用标准质谱数据和机器学习模型实现的。研究成果发表在最