标签: 机器学习

与许多人工智能领域类似，计算机视觉的突破性应用依赖机器学习，通过互联网收集的大量数据训练模型，这使得人脸识别、活动识别及视觉搜索引擎等系统广泛应用，但也引发了涉及用户、数据提供者和开发者的诸多伦理问题。

标签: 互联网数据 伦理问题 机器学习 计算机视觉

自然资源部第二海洋研究所与中科院南京地理与湖泊研究所团队，结合激光卫星（LIDAR）数据与机器学习，填补南大洋冬季碳观测空白，发现此前估算遗漏近40%冬季CO₂释放量，提出“三圈框架”，助力提升全球碳预算准确性。

标签: 三圈框架 南大洋 机器学习 激光雷达 碳循环

人工生命领域研究类似能动性等类生命现象如何在计算机模拟中自组织。在元胞自动机中，一个关键问题是：能否从无身体、大脑等初始状态，通过环境规则自组织出稳健的‘个体’？本研究结合机器学习的多样性搜索、课程学习和梯度下降算法，实现了此类‘个体’的自动化搜索。结果表明，该方法能系统找到元胞自动机中自组织基础能动性的环境条件——即局部结构可移动、对外部障碍做出连贯且高度稳健的反应、维持自身完整性，并能很好地适应新环境。这为人工智能和合成生物工程开辟了新视角。

标签: 人工生命 元胞自动机 多样性搜索 感觉运动能动性 机器学习

集合预报对量化天气预测不确定性至关重要，但传统模型计算量大。FuXi-ENS是一种机器学习模型，能高效生成全球集合天气预报，分辨率0.25°，预报时效达15天，在关键指标上优于欧洲中期天气预报中心集合预报。

标签: FuXi-ENS 机器学习 概率预报 集合天气预报

人类和动物通过进化试错形成了强大的强化学习机制，而人工智能通常依赖人工设计的学习规则。本研究表明，机器可通过元学习从智能体在复杂环境中的累积经验中，发现超越人工设计的最先进强化学习规则，其在测试中表现优异，提示未来高级人工智能的强化学习算法或可自动发现，无需人工设计。

标签: 人工智能 元学习 强化学习 机器学习 自主发现

研究开发了多步骤筛选平台优化脂质纳米颗粒(LNPs)，实现脾脏T细胞靶向基因编辑蛋白递送，成功敲除CCR5和PD-1，为HIV抵抗和癌症免疫治疗提供新工具，机器学习揭示关键设计原理。

标签: 基因编辑 机器学习 癌症免疫治疗 脂质纳米颗粒

机器学习的快速发展得益于使用越来越大的数据集和海量计算资源训练的算法，对人类专业知识的依赖越来越少。不过，算法设计此前主要由人类程序员完成，而Oh等人在《自然》发表的研究报告了一种能创建人工智能领域中顶级强化学习算法的算法。

标签: 强化学习 机器学习 算法设计

东京大学周文瀚团队借助盖亚卫星数据、模型及AI工具，揭示了小行星旋转的隐藏物理机制，解开其旋转周期-直径图中“间隙”之谜：碰撞与内摩擦平衡形成分界线，将小行星分为慢速翻滚和快速稳定旋转两类，助力了解内部结构及危险小行星偏转。

标签: 小行星偏转 小行星旋转 机器学习 盖亚任务 碎石堆结构

本研究发现，微液滴界面的强电场可显著延长由工业亚硫酸盐污染物产生的水合电子寿命，降低二氧化碳还原反应能垒，提高反应效率和产物选择性。机器学习表明微液滴尺寸是调控反应的关键因素，在实验室放大的系统中实现了近99%的甲醇选择性。

标签: 二氧化碳还原 微液滴 机器学习 水合电子 选择性

一项新研究通过整合化学分子与蛋白质序列信息，利用机器学习预测生物催化反应，帮助发现未知酶促反应路径，推动绿色化学和药物研发。

标签: 机器学习 生物催化 绿色化学 蛋白质序列 酶反应预测