DeepMind开发用于量子化学计算的神经网络变分蒙特卡罗
近百年前，狄拉克提出正电子概念，如今在医学物理、天体物理及材料科学等多个领域都具有技术相关性。然而，正电子-分子复合物基态性质的量子化学计算具有挑战性。 在此，DeepMind 和伦敦帝国理工学院的研究人员，使用最近开发的费米子神经网络 (FermiNet) 波函数来解决这个问题，该波函数不依赖于基组。研究发现 FermiNet 可以在一系列具有各种不同定性正电子结合特性的原子和小分子中产生高度精确的、在某些情况下是最先进的基态能量。 研究人员计算了具有挑战性的非极性苯分子的结合能，发现与实验值高度一致，并得到了与使用显式相关的高斯波函数获得的湮灭率相比更有利的湮灭率。结果证明了基于神经网络波函数的方法的通用优势，并将其应用于标准分子哈密顿量以外的系统。 相关研究以《Neural network variational Monte Carlo for positronic chemistry》为题，于 6 月 18 日......阅读全文
DeepMind开发用于量子化学计算的神经网络变分蒙特卡罗
近百年前，狄拉克提出正电子概念，如今在医学物理、天体物理及材料科学等多个领域都具有技术相关性。然而，正电子-分子复合物基态性质的量子化学计算具有挑战性。 在此，DeepMind 和伦敦帝国理工学院的研究人员，使用最近开发的费米子神经网络 (FermiNet) 波函数来解决这个问题，该波函数不依
X射线能谱测量的蒙特卡罗成像模拟
针对高能强流电子束轰击高Z靶产生的X射线的能谱测量问题,采用蒙特卡罗方法进行成像模拟研究。高能X射线能谱通常由对X射线经过衰减体的直穿透射率曲线进行解谱获得。设计了带多准直孔的截锥体模型,在单次模拟成像中获得完整的衰减透射率曲线,有效避免了散射光子对透射率曲线以及X射线能谱重建的影响。成像面采用非均
EDXRF分析中吸收—增强效应的蒙特卡罗模拟
能量色散x射线荧光光谱分析(EDXRF),与其它元素分析方法相比,有着快速、多元素、对样品无损害等优点。广泛应用于野外地质样品分析、室内核素检测、建筑材料的放射性分析等方面。能量色散x射线荧光光谱分析中,吸收-增强效应对测量的准确度影响很大。在传统的X荧光光谱分析中,利用实验或者数学校正的方法对吸收
卡方检验中使用蒙特卡罗模拟的优势是什么？
在卡方检验中使用蒙特卡罗模拟具有以下优势：一、处理复杂情况小样本或稀疏数据：在实际研究中，有时可能面临小样本或某些单元格中期望频数较小的情况。传统的卡方检验在这种情况下可能不适用或结果不准确。而蒙特卡罗模拟可以通过大量的随机模拟来估计统计量的分布，即使在小样本或稀疏数据的情况下也能提供相对可靠的结果
卡方检验中使用蒙特卡罗模拟的优势是什么？
在卡方检验中使用蒙特卡罗模拟具有以下优势：一、处理复杂情况小样本或稀疏数据：在实际研究中，有时可能面临小样本或某些单元格中期望频数较小的情况。传统的卡方检验在这种情况下可能不适用或结果不准确。而蒙特卡罗模拟可以通过大量的随机模拟来估计统计量的分布，即使在小样本或稀疏数据的情况下也能提供相对可靠的结果
卡方检验中使用蒙特卡罗模拟的优势是什么？
在卡方检验中使用蒙特卡罗模拟具有以下优势：一、处理复杂情况小样本或稀疏数据：在实际研究中，有时可能面临小样本或某些单元格中期望频数较小的情况。传统的卡方检验在这种情况下可能不适用或结果不准确。而蒙特卡罗模拟可以通过大量的随机模拟来估计统计量的分布，即使在小样本或稀疏数据的情况下也能提供相对可靠的结果
卡方检验中蒙特卡罗模拟的结果如何评估？
在卡方检验中，对蒙特卡罗模拟的结果可以从以下几个方面进行评估：一、统计量分布评估观察卡方统计量的分布形态：绘制卡方统计量的直方图或密度曲线，查看其分布是否接近理论上的卡方分布（在原假设成立的情况下）。如果分布形态与理论分布相符，说明模拟结果较为合理。例如，如果模拟生成的卡方统计量分布呈现右偏态，且随
Nature：超强版AlphaGo来了！可自学成才，将助力科研
AlphaGo，一款由谷歌旗下公司DeepMind基于深度学习原理而开发的人工智能程序。之所以声名大噪，是因为它自2016年以来曾先后击败多位世界围棋冠军，包括韩国选手李世石、中国选手柯洁，是第一个击败人类职业围棋选手的人工智能。 现在，DeepMind又推出“超强版”——AlphaGo Ze
卡方检验中蒙特卡罗模拟结果与理论结果差异过大
如果蒙特卡罗模拟结果与理论结果差异过大，可能有以下原因：一、模拟方面的原因模拟次数不足：如果蒙特卡罗模拟的次数不够多，得到的统计结果可能不具有代表性，不能准确地逼近理论结果。例如，进行卡方检验的蒙特卡罗模拟时，可能需要数千次甚至更多的模拟才能得到较为稳定和准确的结果。随着模拟次数的增加，模拟结果的均
变分自回归神经网络求解统计力学研究取得进展
如何准确地计算多粒子系统的自由能、热力学量，以及给出系统的无偏采样，是统计物理的核心问题之一。自上世纪初以来，统计物理学家建立了各种各样的理论和方法来处理此类问题，其中包括马尔科夫链蒙特卡洛、张量网络、重整化群、平均场近似及消息传递算法等。在实际应用中，这些方法各有其优劣：MCMC擅长采样玻尔兹
AI程序攻克围棋的算法秘密（一）
这篇文章的主角是AlphaGo，谷歌DeepMind团队开发出的围棋AI。其凭借着2016年击败全球顶尖棋手李世石的壮举而广受瞩目。围棋是一种古老的棋类游戏，每一步都存在诸多选择，因此接下来的落子位置很参议会预测——要求对弈棋手拥有强大的直觉与抽象思维能力。正因为如此，人们长久以来一直认为只
介绍一下在卡方检验中使用蒙特卡罗模拟的方法
在卡方检验中，蒙特卡罗模拟是一种通过随机模拟来估计统计量分布和检验结果的方法。以下是在卡方检验中使用蒙特卡罗模拟的步骤： **一、确定问题和假设** 1. 明确研究问题：确定要进行卡方检验的问题，例如检验两个分类变量之间是否存在关联。 2. 提出假设：设定原假设和备择假设。原假设通常是两个
介绍一下在卡方检验中使用蒙特卡罗模拟的步骤
在卡方检验中使用蒙特卡罗模拟可以按照以下步骤进行： **一、明确问题和假设** 1. 确定研究问题：明确要通过卡方检验解决的问题，比如检验两个分类变量之间是否存在关联。 2. 提出假设：设定原假设（通常为两个变量相互独立）和备择假设（两个变量存在关联）。 **二、收集数据或确定参
龙讯旷腾扩展工业领域，机器学习平台加速分子动力学计算
我们都知道从第一性原理出发的分子动力学（Ab Initio Molecular Dynamics, AIMD）计算，需要消耗大量时间和计算资源。但另一方面，体系中每个原子的能量，可通过考察其邻近原子的几何位置即组态（Configuration）近似得到。因此借助机器学习的方法，辅助已有的第一性原理计
我国学者提出基于正则化流的多尺度神经网络架构
重正化群是物理学研究中的一个基本概念。它不仅是研究相变与临界现象以及强耦合问题的有力工具，更塑造了物理学家的世界观：物理学是关于不同尺度和能标下演生现象(Emergent Phenomena)的有效理论。 人们在深度学习的应用实践中观察到，深层神经网络具有逐层提取特征的能力。处于网络深层的神经
俄罗斯科学家开发出一种用于矿藏研究的人工神经网络
俄罗斯联邦科研机构管理署发布消息称，俄科院科拉科学中心的研究人员使用人工神经网络方法绘制出复杂矿床的分布。这一研究成功发表在著名的国际期刊《科学报告》上。 在地质绘图时，多多少少会受到客观因素和主观意识的影响。地质学家按照一定的网络（例如，每隔50米）选择岩石的样本，并根据自己的美感，将其
俄罗斯科学家开发出一种用于矿藏研究的人工神经网络
俄罗斯联邦科研机构管理署发布消息称，俄科院科拉科学中心的研究人员使用人工神经网络方法绘制出复杂矿床的分布。这一研究成功发表在著名的国际期刊《科学报告》上。 在地质绘图时，多多少少会受到客观因素和主观意识的影响。地质学家按照一定的网络（例如，每隔50米）选择岩石的样本，并根据自己的美
集成元件技术可用于人工神经网络
原文地址：http://news.sciencenet.cn/htmlnews/2024/1/516581.shtm
中子输运加速计算方法与应用研究获进展
近日，中国科学院合肥研究院等离子体物理研究所聚变堆材料及部件研究室博士后郑俞在蒙特卡罗大规模加速模拟研究方面取得新进展。相关成果发表在Nuclear Fusion上。 核能领域中蒙特卡罗模拟是最精确的求解方法之一，而聚变反应堆几何复杂、尺寸大、屏蔽厚，蒙特卡罗大规模计算存在深穿透屏蔽问题，导致
熵变的计算公式
一般地，对于反应：mA + nB =xC + yDDrSmq = 【x Sq,C + y Sq,D】– 【m Sq,A + n Sq,B】1 可逆过程熵变的计算根据克劳休斯数学表达式可知,如果两平衡态间的过程是可逆的,熵变可用求得(S1和S2分别表示系统在1态和2态的熵).可逆过程熵变可通过n摩尔理
可用于AI的大型类脑神经网络实现
原文地址：http://news.sciencenet.cn/htmlnews/2023/5/500296.shtm 科技日报北京5月9日电 （记者张梦然）在《自然·机器智能》杂志上发表的一项新研究中，荷兰国家数学与计算机科学研究所（CWI）科学家展示了类脑神经元如何与新颖的学习方法相结合，能够
量子化学计算方法说明PeT荧光探针的发光基本概念
仪器设备网资讯中心讯： 广泛性的光诱导电子元器件（Photoinduced electron Transfer, PeT）体系管理是由蛋白激酶（receptor）、间隔基团（spacer）和莹光团（fluorophore）相连构成。如下图所示1图例，莹光团部分是光能消化和莹光发射点的场所，
谷歌DeepMind推出“惊艳”的通用科学AI系统
谷歌DeepMind利用聊天机器人模型成功解决了数学和计算机科学领域的重大难题。据《自然》报道，5月14日，DeepMind推出能够自主生成、改进算法代码的通用科学人工智能（AI）系统AlphaEvolve。该系统将大型语言模型（LLM）的创造力与能够审查模型建议的算法相结合，通过不断筛选和改进
新型光芯片可执行深度神经网络关键计算
科技日报北京12月2日电（记者张佳欣）2日发表在《自然·光子学》杂志上的论文称，美国麻省理工学院科学家开发出一种全集成光芯片。它能以光学方式执行深度神经网络所需的所有关键计算，为制造能实时学习的高速处理器打开了大门。这种新型光芯片能够在不到半纳秒的时间内，完成机器学习分类任务的关键计算，性能与传统硬
Nature、Science齐发：两款新型AI精准预测蛋白结构
去年，DeepMind公司开发的AlphaFold2人工智能系统，基于氨基酸序列，精确预测了蛋白质的3D结构。它的准确性与使用冷冻电子显微镜（CryoEM）、核磁共振或 X 射线晶体学等实验技术解析的3D结构相媲美。这一突破被誉为“变革生命科学和生物医学”的突破。 今日，DeepMind公司在
美开发湿计算技术－液体中的纳米粒子可用于存储信息
美国科学家最近开发出一种新技术，可以用悬浮在水中的纳米微粒来存储照片、视频和其他文档信息。这种名为“湿计算”的数据存储方法有望被用于制造更好的人脑植入设备，大幅提升人的脑力，让人能更快进行计算或回忆起更多信息。 在最新研究中，密歇根大学的科学家借用所谓的“胶质簇”（一种微粒，当置于液
新型光电神经网络架构让光电计算精度更高
近日，清华大学深圳国际研究生院副教授耿子涵团队联合鹏城实验室等单位，提出了一种基于级联微环谐振器的光电神经网络架构。相关研究成果以封面文章的形式发表于《激光与光子学评论》。该研究通过器件结构创新与系统级的优化设计，实现了高消光比与窄带宽，显著提升了系统的光谱密度与计算密度，成功攻克了因光强非负性而难
DeepMind－AI模型预测天气又快又好
近日一项发表于《自然》的研究报道了谷歌DeepMind开发的首个天气预测人工智能（AI）模型——GenCast。该模型比目前运行中的最佳中期预报系统——欧洲中期天气预报中心的集合预报（ENS）更精准。GenCast在8分钟内就能完成15天的预测，而目前的预测程序需要几个小时。据介绍，包括ENS在内的
DeepMind攻克最有价值化学技术
英国人工智能公司DeepMind的科学家团队开发了一个机器学习模型，可以通过预测分子中电子的分布来显示分子特征，该模型比现有技术更能准确地计算某些分子性质。相关研究结果发表于12月10日《科学》。 波兰罗兹理工大学计算化学家Katarzyna Pernal说，这篇论文是一篇“坚实的作品”。但她
神经网络计算模型－重建让人可以听懂的单词和语句
对于大多数不能说话的人，“意念”隐藏在他们的大脑中，没有人能直接破译这些信号。三人研究小组，加州大学旧金山研究所的Gopala K. Anumanchipalli、Josh Chartier和加州大学伯克利分校的Edward F. Chang利用手术植入大脑电极获得的数据，将其转化成为了计算机生