目录：

基于最小状态空间的RNN框架可以解决所有类别材料的建模问题

无需超算设施，开源网站可准确预测材料带隙特性

使用虚拟人群进行临床试验

基于药代动力学/药效学的深度学习从早期数据中预测反应时间

相关器卷积神经网络：类似图像的量子物质数据的可解释架构

是相同的还是不同的？这个问题困扰着神经网络

AI快速准确地追踪健康的人造干细胞

模拟指导哺乳动物细胞中新功能的快速工程

基于最小状态空间的RNN框架可以解决

所有类别材料的建模问题

在新材料投入实际生产之前，需要了解它们的力学行为并对其进行建模，以优化结构的刚度和强度。瑞士联邦理工学院的两名研究人员通过引入「最小状态空间」开发了用于材料建模的循环神经网络框架，并成功应用于四种不同的材料类别，相关研究成果于6月23日发表在杂志上。研究人员表示，他们的框架是「第一个能够表示各种材料的三维应力应变响应的通用模型。」

无需超算设施，开源网站可准确预测材料

带隙特性

带隙是材料效率的关键指标，通常使用密度泛函理论来预测材料的带隙，但你可能需要用超级计算机进行计算。不过，现在有了免费的易于使用的网站可以准确预测这材料特性。墨尔本皇家理工大学的研究人员使用之前,次超级计算机计算生成的数据，训练了一个机器学习平台，该平台集成了5不同的机器学习技术模型，并在光伏材料上进行了实验验证。相关研究成果于5月27日发表在杂志上。

使用虚拟人群进行临床试验

临床试验的成本不断增加，利兹大学的最新研究表明，涉及虚拟患者的研究在评估用于治疗脑动脉瘤的医疗设备方面与传统临床试验一样有效。该团队使用分流器性能评估(FD-PASS)计算机模拟试验，模拟了名具有82个不同解剖结构的虚拟患者的颅内动脉瘤的治疗。相关研究成果于今天6月23日在杂志上。

基于药代动力学/药效学的深度学习从早期

数据中预测反应时间

目前，使用药代动力学或药效学(PK/PD)方法对给药后的患者反应时间进行纵向分析，仍需要大量的人类经验和相关的专业知识。因此，美国基因泰克公司提出了一种新的PK/PD神经网络框架，将药理学原理与常微分方程相结合，可以模拟患者对未经测试的给药方案的反应。应用于由多名患者组成的临床数据集的药物浓度和血小板反应分析，实验证明了该模型对患者反应时间过程的自动预测分析的潜力。相关研究成果于6月21日发表在杂志上。

相关器卷积神经网络：类似图像的量子物

质数据的可解释架构

来自量子系统的类似图像的数据有望为相关量子物质的物理学提供更深入的了解。然而，凝聚态物理的传统框架缺乏分析此类数据的原则性方法。最近，美国康内尔大学和哈佛大学的研究人员开发了相关器卷积神经网络(Correlatorconvolutionalneuralnetworks,CCNN)，成功地区分了单点相关器和两点相关器无法区分的模拟快照。新方法非常适合构建简单、通用、端到端的可解释架构，从而为从实验和数值数据的机器学习研究中获得新的物理见解铺平道路。相关研究成果于6月23日发表在杂志上。

是相同的还是不同的？这个问题困扰着神

经网络

尽管神经网络已经取得了巨大的成功，但人工智能系统似乎无法区分「相同」和「不同」的概念。最近一些科研成果提供了经验证据，表明当前主宰AI的CNN缺乏基本的推理能力，无法用更多的数据或更聪明的训练来支撑。研究人员担心，如果不能满足这一点，创造真正的智能机器的努力可能是无望的。

AI快速准确地追踪健康的人造干细胞

干细胞治疗处于再生医学的前沿，但直到现在，研究人员和临床医生仍需通过显微镜单独观察每个细胞来评估干细胞的质量。现在，东京医科齿科大学的研究人员已经找到了一种利用人工智能加速这一过程的方法。研究提出的基于深度卷积神经网络的自动细胞跟踪(DeepACT)技术，可用于开发可靠的人造干细胞无创质量控制和识别的培养平台。相关研究成果于3月30日发表在杂志STEMCELLS上。

模拟指导哺乳动物细胞中新功能的快速工

程

计算机程序中的指令指示计算机执行不同的命令，同样，合成生物学家正在学习如何指导人类细胞活动的规则。然而，该领域的一个挑战是，在制作按预期运行的电路时，通常需要多次反复试验和错误。现在，美国医学影像和生物工程研究院（NIBIB）资助的合成生物学家和计算机学家联手使用计算机模拟来规避重新设计和重新测试每个基因回路的过程。相关研究成果于2月19日发表在杂志ScienceAdvances上。