新闻与深度文章
编者按:随着人工智能在蛋白质研究中的重要性日益提升,预测静态的蛋白质晶体结构已不再是难题。然而,如何在原子级别精确刻画蛋白质动态变化仍是一项亟需解决的挑战。微软研究院科学智能中心王童研究员及其团队,历时四年研究推出的基于 AI 的分子动力学模拟系统 AI2BMD,对蛋白质等生物大分子进行量子级精度的全原子模拟,实现了比经典模拟更高的精度,和比密度泛函理论更快的速度,为包括生物分子建模等在内的生物研…
编者按:生成式基座模型(Generative Foundation Model)已成功应用在多个领域,并塑造了全新的生产范式。将这一范式与行业特有数据结合,有望构建具有行业特色的生成式基座模型。对此,微软亚洲研究院从金融场景出发,设计了大市场模型 LMM 和金融市场模拟引擎 MarS,希望帮助金融研究人员为不同场景定制生成式模型,并且构建适用于金融市场所有下游任务的生成式基座模型应用新范式,为金融…
作者:系统智能组 编者按:大语言模型的推理能力一直是人工智能领域的研究热点,但传统依赖大规模数据和参数扩展的预训练方式在提升模型推理能力上逐渐遇到了瓶颈。微软亚洲研究院的最新研究关键计划步骤学习 CPL(Critical Plan Step Learning),旨在将强化学习扩展到更广泛、更复杂的问题场景,并取得了突破性进展。CPL 通过在自我生成的高层次抽象计划上进行强化学习,不仅提升了模型在数…
编者按:刘海广是一位典型的跨学科研究者,他的学术足迹遍布物理、生物、计算机科学和人工智能等多个领域,在跨学科的学习与研究中不断探索和突破。如今,作为微软研究院科学智能中心(Microsoft Research AI for Science)的首席研究员,刘海广在跨学科研究中取得了哪些成果?他和团队又将如何利用人工智能技术来加速科学研究进程,并推动科研成果向实际应用转化? 从清华大学转学至香港浸会大…
编者按:随着人工智能技术的快速发展,数据可视化日渐高效、智能。但自动化生成的图表是否可靠,成为了亟待解决的问题。微软亚洲研究院提出了 VisEval 评估框架,为这一挑战提供了解决方案,并因此荣获全球可视化领域顶尖的学术会议 IEEE VIS 2024 的最佳论文奖。通过高质量的数据集和可靠的自动化评估方法,VisEval 为数据可视化的未来发展提供了坚实的基础,助力数据可视化技术向更智能、更便捷…
编者按:人工智能基础模型正在加速科学发现的进程,尤其,经过多领域数据训练的基础模型,更能在跨领域的任务中展现出色的性能。微软研究院科学智能中心已利用基础模型打造了一系列强大的科学发现模型,包括:革新天气与污染预测的 Aurora 模型、专注于新材料发现与设计的 MatterGen、可预测新材料行为和属性的 MatterSim,以及可自动设计候选药物的 TamGen 模型等。基础模型的应用不仅提高了…
编者按:欢迎阅读“科研上新”栏目!“科研上新”汇聚了微软亚洲研究院最新的创新成果与科研动态。在这里,你可以快速浏览研究院的亮点资讯,保持对前沿领域的敏锐嗅觉,同时也能找到先进实用的开源工具。 2024年的ECCV(European Conference on Computer Vision)于10月4日在意大利米兰落下帷幕。作为计算机视觉领域的重要国际会议之一,微软亚洲研究院有多篇论文入选。本期的…
编者按:在使用 AI 驱动的数据可视化工具时,你是否遇到过这些难题?比如,当你想要设计图表时,需要一次性描述你的可视化需求,既冗杂又繁琐;再比如,当你想要更改图表设计时,又需要从头重新输入一遍你的文本提示,AI 可能还会出错。现在,微软雷德蒙研究院深度学习组推出了 Data Formulator 工具。结合图形化用户界面和自然语言输入,该工具可以更加智能地完成你的数据可视化需求,它不仅支持通过简便…
作者:系统组(上海) 编者按:大语言模型在教育、医疗、金融等多领域的应用已展现出其不可忽视的价值。如何更好地结合外部数据,如何提升模型处理专业领域问题的可靠性,是大语言模型应用开发中值得不断思考的问题。针对此,微软亚洲研究院的研究员们提出了一种基于查询需求分层的 RAG 任务分类法,从显式事实、隐式事实、可解释的推理、隐式推理4个层级出发,直指大模型应用在不同认知处理阶段所面临的难点和定制化的解决…