AI颠覆材料化学,汇总2024年最值得关注的科研成果

「文智助手」全场景办公AI助理AI+OPC全流程实践方案(大赛作品) 阅读详情
AI摘要

AI for Science开创科研革命,在材料化学领域变革显著。HyperAI超神经精选并分类汇总了2023 - 2024年解读的前沿论文,涉及机器学习、图神经网络、大语言模型等技术在耐火高熵合金设计、电池寿命预测、催化剂设计等多方面的应用。

AI for Science 作为科学发现的「第五范式」, 正在开创一场全新的科研革命,在材料化学领域,这场变革尤为显著。

告别传统的「凭经验+反复试错」模式,在智能驱动的材料研发中,AI 在科学仿真、模型预测、高通量实验、自动化表征等方面提供重要手段,可有效降低新材料研发成本,提高研发效率。

回望即将谢幕的 2024 年,材料化学领域在 AI 的加持下捷报频传,也涌现出越来越多的高价值研究成果。作为最早一批关注 AI for Science 的社区,HyperAI超神经通过解读前沿论文、不定期组织线上/线下学术分享等多元方式,致力于推动 AI for Science 的普适化。

在这辞旧迎新的节点,我们为大家精选并分类汇总了 2023-2024 年期间解读的前沿论文,本期文章聚焦 AI 在材料化学领域的研究,点击下方论文题目或中文解读,即可跳转论文解读页面,希望对您有所帮助。

01、论文题目: Machine-Learning-Assisted Compositional Design of Refractory High-Entropy Alloys with Optimal Strength and Ductility

在这里插入图片描述

中文解读: 突破1200°C高温性能极限!北京科技大学用机器学习合成24种耐火高熵合金,室温延展性极佳
研究内容: 北京科技大学团队整合机器学习、遗传搜索、聚类分析和实验反馈的多目标优化框架,寻找具备最佳高温强度和室温延展性的耐火高熵合金。
发布期刊: Engineering, 2024.09

02、论文题目: Open Materials 2024 (0Mat24) Inorganic Materials Dataset and Models

在这里插入图片描述

中文解读: 几乎覆盖元素周期表!Meta 发布开源 OMat24 数据集,含 1.1 亿 DFT 计算结果
研究内容: Meta 发布开源数据集 OMat24 以及预训练模型 EquiformerV2,OMat24 数据集包含超过 1.1 亿以结构和成分多样性为重点的 DFT 计算结果。

发布期刊: arXiv, 2024.10

03、论文题目: Universal Ensemble-Embedding Graph Neural Network for Direct Prediction of Optical Spectra from Crystal Structures

在这里插入图片描述

中文解读: 基于944种材料数据,日本东北大学联合MIT发布GNNOpt模型,成功识别数百种太阳能电池和量子候选材料
研究内容: 日本东北大学和 MIT 研究人员推出了一种基于图神经网络的 GNNOpt 模型,成功识别出 246 种超过 32% 太阳能转换效率的材料,以及 296 种具有高量子权重的量子材料。
发布期刊: Advanced Materials, 2024.06

04、论文题目: Semi-supervised learning for explainable few-shot battery lifetime prediction

在这里插入图片描述

中文解读: 锂电池寿命预测精度提升 20%!上海交大团队发布半监督学习方法 PBCT,提取无标签数据中的隐藏信息
研究内容: 上海交通大学团队用半监督学习技术预测电池寿命,预测精度提升 20%。
发布期刊: Joule, 2024.03

05、论文题目: ChemLLM: A Chemical Large Language Model

在这里插入图片描述

中文解读: 覆盖 7 百万问答数据,上海 AI Lab 发布 ChemLLM,专业能力比肩 GPT-4
研究内容: 上海人工智能实验室发布了化学大语言模型 ChemLLM,该模型可通过对话交互执行化学学科的各种任务,在核心任务上的性能与 GPT-4 相当,研究人员将结构化化学知识融入对话系统,为开发各科学领域的 LLM 树立了新标准。
发布期刊: arXiv, 2024.02

06、论文题目: Interpreting Chemisorption Strength with AutoML-based Feature Deletion Experiments

在这里插入图片描述

中文解读: 加速催化剂设计,上海交大贺玉莲课题组基于 AutoML 进行知识自动提取
研究内容: 上海交通大学密西根学院团队基于自动机器学习 (AutoML),探索了哪个因素主导催化剂表面反应物的化学吸附能,对催化剂设计优化具有重要意义。
发布期刊: Proceedings of the National Academy of Sciences, 2024.03

07、论文题目: Multilevel design and construction in nanomembrane rolling for three-dimensional angle-sensitive photodetection

在这里插入图片描述

中文解读: 微电子加速迈向后摩尔时代!复旦大学梅永丰课题组集成 DNN 与纳米薄膜技术,精准分析入射光角度
研究内容: 复旦大学团队结合深度神经网络及纳米薄膜组装,开发了系列三维结构光电探测器,可以实现对入射光角度的高精度预测,在可穿戴设备、智能家具和智能驾驶系统等领域极具潜力。
发布期刊: Nature Communications, 2024.04

08、论文题目: Neural-network density functional theory based on variational energy minimization

在这里插入图片描述

中文解读: 材料探索新纪元!清华大学徐勇、段文晖团队发布神经网络密度泛函框架,打开物质电子结构预测的黑箱!
研究内容: 清华大学团队提出神经网络密度泛函理论框架,克服传统 DFT 计算材料结构耗时且复杂的缺点。
发布期刊: Physical Review Letters, 2024.08

09、论文题目: Retrosynthesis prediction with an interpretable deep learning framework based on molecular assembly tasks

在这里插入图片描述

中文解读: 山东大学开发可解释深度学习算法 RetroExplainer,4 步识别有机物的逆合成路线
研究内容: 山东大学联合电子科技大学团队共同开发了可解释的深度学习算法 RetroExplainer,可以 4 步识别有机物的逆合成路线,给出易得的反应物,为有机化学逆合成研究提供强力工具。
发布期刊: Nature Communications, 2023.10

10、论文题目: Water-dispersible X-ray scintillators enabling coating and blending with polymer materials for multiple applications

在这里插入图片描述

中文解读: 柔性复合材料新突破!河北大学研究团队利用创新 X 射线闪烁体开发 3 种新材料
研究内容: 河北大学联合根特大学团队,开发了具有良好水分散性、对 X 射线高度敏感的闪烁体,并利用水分散性闪烁体开发了 3 种材料。
发布期刊: Nature Communications, 2024.03

11、论文题目: A comprehensive transformer-based approach for high-accuracy gas adsorption predictions in metal-organic frameworks

在这里插入图片描述

中文解读: 有效识别 63 万个三维空间构型,清华大学牵头发布 Uni-MOF 模型,预测 MOF 吸附能力
研究内容: 清华大学、美国加州大学河滨分校、北京科学智能研究院等团队,提出了一种三维金属有机框架材料吸附行为预测的机器学习模型 Uni-MOF,用于预测各类工况下纳米多孔材料对各类气体的吸附性能。
发布期刊: Nature Communications, 2024.03

12、论文题目: Universal materials model of deep-learning density functional theory Hamiltonian

在这里插入图片描述

中文解读: 神经网络替代密度泛函理论!清华研究组发布通用材料模型 DeepH,实现超精准预测
研究内容: 清华大学团队提出 DeepH 通用材料模型,可用于预测材料结构和性质,展示了构建「材料大模型」的可行性。
发布期刊: Science Bulletin, 2024.06

13、论文题目: A generative artificial intelligence framework based on amolecular diffusion model for the design of metal-organic frameworks for carbon capture

在这里插入图片描述

中文解读: 33 分钟生成 12 万种碳捕捉候选材料,美国阿贡国家实验室发布生成式 AI 框架,加速 MOFs 创新
研究内容: 美国阿贡国家实验室发布生成式 AI 框架 GHP-MOFsassemble,能够随机生成并组装新的 MOFs 结构,筛选出高稳定性的 MOFs 结构,并测试其对二氧化碳的吸附能力。
发布期刊: Communications Chemistry, 2024.02

14、论文题目: Machine-Learning Assisted Screening Proton Conducting Co/Febased Oxide for the Air Electrode of Protonic Solid Oxide Cell

在这里插入图片描述

中文解读: AI 筛选电池材料,广州大学叶思宇院士开发可用于 P-SOC 材料预测的机器学习算法模型
研究内容: 广州大学的研究人员建立了一种基于极限梯度增强算法的机器学习模型,可用于 P-SOC 空气电极的筛选。
发布期刊: Advanced Functional Materials, 2023.12

15、论文题目: Material symmetry recognition and property prediction accomplished by crystal capsule representation

在这里插入图片描述

中文解读: 中山大学李华山、王彪课题组开发 SEN 机器学习模型,高精度预测材料性能
研究内容: 中山大学团队开发了一款名为 SEN 的机器学习模型,可准确感知固有晶体对称性和材料结构团簇之间的相互作用。
发布期刊: Nature Communications, 2023.08

16、论文题目: Machine learning-assisted prediction of water adsorption isotherms and cooling performance

在这里插入图片描述

中文解读: 华中科技大学李松课题组,利用机器学习预测多孔材料水吸附等温线
研究内容: 华中科技大学团队建立了一个两步机器学习模型,训练 AI 通过材料的结构参数预测水吸附等温线参数和后续应用性能。
发布期刊: Journal of Materials Chemistry A, 2023.09

17、论文题目: FlowLLM: Flow Matching for Material Generation with Large Language Models as Base Distributions

在这里插入图片描述

中文解读: 稳定性材料生成效率提升300%!Meta FAIR发布材料生成模型FlowLLM,数据集覆盖超4.5w种材料
研究内容: Meta FAIR 实验室联合阿姆斯特丹大学发布材料生成模型 FlowLLM,该模型生成稳定材料的效率提升 300% 以上,生成 S.U.N. 材料的效率提高约 50%。
发布期刊: NeurIPS 2024, 2024.10

18、论文题目: Scaling deep learning for materials discovery

在这里插入图片描述

中文解读: 领先人类 800 年?DeepMind 发布 GNoME,利用深度学习预测 220 万种新晶体
研究内容: Google DeepMind 发布深度学习工具 GNoME,短时间内就发现了 220 万种新晶体,其中 38 万种新晶体具备稳定的结构,可以成为研发的潜在材料。
发布期刊: Nature, 2023.11

19、论文题目: CMOS-Compatible Reconstructive Spectrometers with Self-Referencing Integrated Fabry-Perot Resonators

在这里插入图片描述

中文解读: 美国科学院院刊封面文章!中国团队发布可晶圆级生产的人工智能自适应微型光谱仪
研究内容: 复旦大学团队提出了一种新的微型化重构光谱仪设计,该光谱仪可以通过成熟的集成电路工艺进行晶圆级制造,并具有毫米级尺寸,足以胜任大部分微型化光谱测试需求。
发布期刊: Proceedings of the National Academy of Sciences, 2024.08

20、论文题目: Fully forward mode training for optical neural networks

在这里插入图片描述

中文解读: 国产光芯片重大突破!清华团队利用神经网络,首创全前向智能光计算训练架构
研究内容: 清华大学团队开发了一种全前向模式 FFM 学习方法,有望推动深度学习神经网络、超灵敏感知和拓扑光子学等领域的发展。
发布期刊: Nature, 2024.08

21、论文题目: Superstrength permanent magnets with iron-based superconductors by data- and researcher-driven process design

在这里插入图片描述

中文解读: 最强铁基超导磁体诞生!科学家基于机器学习设计新研究体系,磁场强度超过先前记录2.7倍
研究内容: 英国和日本科学家利用 AI 技术,成功制造出世界上已知最强的铁基超导磁体。
发布期刊: NPG Asia Materials, 2024.06

22、论文题目: A simplified electrochemical model forlithium-ion batteries based on ensemblelearning

在这里插入图片描述

中文解读: 重塑锂电池性能边界,武汉理工大学康健强团队,基于集成学习提出简化电化学模型
研究内容: 武汉理工大学团队提出了一种简化电化学模型,可以对电极颗粒表面锂离子浓度变化进行精确预测,进而预测电池电压。
发布期刊: iScience, 2024.05

23、论文题目: Fill in the Blank: Transferrable Deep Learning Approaches to Recover Missing Physical Field Information

在这里插入图片描述

中文解读: 材料空间「填空解谜」:MIT 利用深度学习解决无损检测难题
研究内容: MIT 科学家用深度学习开发了一种技术,能够通过有限的信息恢复材料中的缺失部分,并进一步观察表面确定材料的内部结构。
发布期刊: Advanced Materials, 2023.03

24、论文题目: Enhancing corrosion-resistant alloy design through natural language processing and deep learning

在这里插入图片描述

中文解读: AI「反腐」,德国马普所结合 NLP 和 DNN 开发抗蚀合金
研究内容: 德国马克思普朗克铁研究所将深度神经网络 (DNN) 和自然语言处理 (NLP) 结合开发了进程感知 DNN,用于探索不同元素对合金抗蚀性能的影响。
发布期刊: Science Advances, 2023.08

25、论文题目: A comprehensive machine learning strategy fordesigning high-performance photoanode catalysts

在这里插入图片描述

中文解读: 清华大学利用可解释机器学习,优化光阳极催化剂,助力光解水制氢
研究内容: 清华大学团队用机器学习优化了 BiVO(4) 光阳极的助催化剂。
发布期刊: Journal of Materials Chemistry A, 2023.10

26、论文原文: Universal machine learning for the response of atomistic systems to external fields

在这里插入图片描述

中文解读: 中科大蒋彬课题组开发 FIREANN,分析原子对外界场的响应
研究内容: 化学系统与外场的相互作用至关重要,中国科学技术大学团队开发了场诱导递归嵌入原子神经网络 (FIREANN),可以准确描述外场强度和方向的变化时、系统能量的变化趋势,还能预测任意阶数的系统响应。
发布期刊: Nature Communication, 2023.10

以上就是本期汇总的 AI+材料化学前沿论文,更多 AI+生物医药、医疗健康、气象海洋等论文汇总,我们下期再见。

船载 OpenHarmony AIS 航海工作台:告警与防碰撞预警系统 船载OpenHarmony AIS航海工作台的告警与防碰撞系统,集成十余类告警(超速、偏航、会遇、SOS等),通过网格空间索引实现高效邻近判定,保障实时性。告警管理器统一调度规则、去重、通知与日志,支持悬浮球、语音、跑马灯、弹窗多渠道触达,确保航行安全。SOS紧急通道独立运行,避免干扰。系统设计强调性能优化与多场景适配,为航海安全提供核心支撑。 阅读详情

相关推荐

CVE-2025-25249漏洞深度解析:FortiOS认证绕过与实战缓解

远程代码执行(RCE)是网络安全中最危险的漏洞类型之一,其核心往往源于认证机制失效或内存安全缺陷。CVE-2025-25249正属于此类高危漏洞——它不依赖用户凭证,也不需要交互触发,而是通过超长HTTP头(如X-Forwarded-For)引发内存越界写入,直接绕过FortiOS和FortiSwitchManager的完整认证流程。该漏洞影响广泛、CVSS评分高达9.8,凸显了嵌入式设备在HTTP协议栈实现中的深层风险。在企业网络中,FortiGate等设备常作为边界守门人,一旦失陷将导致root级控制权

weixin_33694620的博客 526

人工智能(AI)在材料科学方面的应用

材料设计和发现:通过机器学习和深度学习算法,预测材料的性质和特性,在材料研究和开发中起到重要的作用。例如,使用AI算法可以快速分析材料的光学、电学和磁学性能,预测材料的力学性能和耐久性能等。材料制备和加工:AI可以帮助优化材料制备和加工工艺,提高材料的质量和性能。例如,使用AI算法可以优化薄膜生长过程,控制薄膜的厚度和结构,提高薄膜的光学、电学和磁学性能。总之,人工智能在材料科学方面的应用具有非常广泛的前景,可以为材料研究和应用提供重要的支持和帮助。

u012632105的博客 4101

LIO-SAM编译ubuntu20.04 Noetic

一、下载二、编译&&解决报错报错如下。

Kenneth666888的博客 690

人工智能与材料科学:智能材料的研发与产业化

1.背景介绍 材料科学是一门研究不同物质性质和性能的科学。随着科技的发展,人类需求越来越高,材料科学也不断发展,为人类提供了越来越多的高性能材料。然而,材料科学的研发过程是非常复杂的,需要大量的实验和计算来优化材料性质和性能。这就是人工智能(AI)与材料科学的结合而生的。人工智能可以帮助材料科学家更快速、更有效地发现新材料和优化现有材料。 人工智能与材料科学的结合,主要体现在以下几个方面: ...

AI天才研究院 2360

利用GBD数据库做未来疾病负担预测

最近看到一篇文献,利用GBD数据库中的数据对疾病负担的发展趋势进行预测。觉得很有趣,就抽空用R语言复盘了一下里面关键的方法。 参考文献: Changing trends in the disease burden of esophageal cancer in China from 1990 to 2017 and its predicted level in 25 years DOI: 10.1002/cam4.3775 1. 相关R包的安装 主要用到的R包有3个,一个一个讲: 1.1 Nordpred

NickyCat的博客 5万+

【电磁场计算】磁偶极子在外磁场中的受力

最近在总结电磁场计算公式的时候发现,关于磁偶极子受力的计算公式,在不同文献中的说明有点出入,在此特地写一篇博客澄清一下。

sky4403的博客 7477

小白如何入门AI大模型,超详材料(建议收藏)

小白如何入门AI大模型,超详材料(建议收藏)

瓦罗兰特顶级C位的博客 1824

3台虚拟机部署Doris详细文档(含校验步骤)

摘要:本文详细介绍了Apache Doris在3台虚拟机上的集群部署方案。采用1主FE+1从FE+1观察者FE+3BE的混合部署模式,确保元数据高可用性。硬件配置建议测试环境4核16GB内存,生产环境8核64GB内存。部署步骤包括系统环境配置(关闭防火墙、内核参数优化)、FE/BE节点配置启动、集群初始化验证等。重点配置了IP白名单(172.30.0.115)和数据目录(/data/doris)。通过MySQL客户端和WebUI可监控集群状态,实现千万级数据的实时分析能力,后续可通过增加BE节点线性扩展。

weixin_41026747的博客 936

AI 助力材料图像表征|从传统机器学习到大规模预训练模型

总之,AI 技术在材料图像表征领域的应用已经取得了显著的进展,从传统机器学习到大规模预训练模型,这些技术不仅提高了实验室工作的效率和准确性,还为材料科学研究带来了新的可能性。随着 AI 技术的不断发展,我们有理由相信,材料图像表征将迎来一个更加智能化、自动化的未来。通过本文的介绍和 Notebook 实例的演示,相信专业人士和研究者们可以更加深入地了解 AI 技术在材料图像表征中的实际应用,从而更好地开展相关的研究工作。

farfarcheng的博客 1650

NVIDIA Jetson之交叉编译工具

参考:http://bbs.xfyun.cn/forum.php?mod=viewthread&tid=33630 用TX2做红外热成像仪的识别,厂家不提供源码,只能提供对应版本的SDK,但是需要我们自己提供交叉编译器 由于之前没有做过交叉编译相关工作,对编译工具不太了解,因此查找相关资料学习下 交叉编译知识 一般来说,针对嵌入式平台的开发有两种编译模式:原生编译和交叉编译。原生编...

ZONGXP的博客 8385

【TCAD】Sentaurus 中的“陷阱trap”仿真设置

允许使用有限的数据集名称 SFactor 规范,例如 DeepLevels , xMoleFraction , 和 yMoleFraction (从兴奋剂档案中读取) eTrappedCharge 和 hTrappedCharge (从指定的文件中读取 DevFields 在 File 部分)或 PMI 用户字段 PMIUserField0...10 (从指定的文件中读取 PMIUserFields 在 File 部分)。给定的陷阱截面 eNeutral 陷阱是多种多样的 Xsec 项目参数。

荷塘阅色 1311

【AI应用】AI+新材料应用方案

在讨论AI与新材料的紧密结合之前,首先需要明确“人工智能”(AI)和“新材料”的具体定义。人工智能是一个多学科的领域,通过模拟人类智能过程(如学习、推理和自我修正)来解决复杂问题。AI技术的应用范围广泛,包括自然语言处理、计算机视觉、机器学习和深度学习等。随着算法、计算能力和数据获取技术的迅猛发展,AI已成为推动技术革新和产业升级的重要工具。新材料则是指在化学、物理、材料科学等领域,通过创新设计、生产和加工工艺,开发出具有特殊性能的新型材料。

weixin_47766618的博客 1927

【数据集】3D-GloBFP:全球首个三维建筑轮廓数据集

【数据集】3D-GloBFP:全球首个三维建筑轮廓数据集

WW、forever的博客 1699

AI驱动科研的范式变革:加速器、边界与人机共生新范式

人工智能正深刻重塑科学研究的基本范式,从数据解析、假设生成到协作方式,其核心价值在于将重复性劳动自动化,释放人类认知资源。基于物理信息神经网络(PINN)、图神经网络(GNN)等前沿技术,AI可实现跨模态关联挖掘与可证伪的生成式猜想,显著提升发现效率。但技术价值不仅在于速度提升,更在于推动科研从经验驱动转向知识-数据-物理规律融合驱动。典型应用场景涵盖结构生物学预测、单细胞多组学分析、药物重定位及气候建模等。然而,真实落地中必须直面创造力退化、技能断层与认知过载等隐性代价。本文聚焦AI作为‘能力倍增器’与‘

cishan3804的博客 451

C# WinForm 基于DirectShow.dll编写的程序,可边预览边保存视频,音频和图片

基于微软的DirectShow.dll的二次开发1.自动识别连接的摄像头跟麦克风且可以对其进行选择(默认选中第一个)2.可录制wmv和avi两种格式的视频并且都带有音频,avi可以录制的分辨率和帧数进行选择,wmv默认进行了淸晰度优化如不喜欢可去除代码中有相关提示3.可在预览点开之后进行拍照,也可边录制视频边拍照4.添加了视频和音频的压缩功能(酌情使用)这次二次开发发现C#对DirectShow的相关信息太少,这次做完也不敢藏私共享出来,还望大家指正

efm32 入门.pdf

本PDF共计22页,介绍的是操作驱动API,下载与否自己斟酌。

创材深造:AI + 金属材料:更适合产业落地的方向

编辑/凯霞 3 月 23 日,在机器之心 AI 科技年会上,创材深造创始人兼 CEO 王轩泽在「AI x Science 论坛」分享了主题为《AI + 金属材料:更适合产业落地的方向》的相关内容。 分享就 AI 产业落地过程中可能遇到的问题进行了讨论,包括精度陷阱;行业壁垒并非技术,传统大厂转型自研;某些 toB 领域存在的一些问题;黑盒性质严重,客户不认可,短期内取代不了关键岗位人员;算法效果惊艳但落地艰难等精彩观点。 王轩泽介绍说,AI 赋能金属材料的产业化,可以有效地规避或解决上述 AI 落地中

爱CV 1293

jdk-8u144-linux-x64.tar.gz.

该资源为搭建Linux系统Java环境用,资源的后缀为tar.gz格式的压缩包

人工智能在材料科学的应用

人工智能在材料科学的应用 1. 绪论 在传统的新材料开发方式及材料制作工艺中,材料科学研究者往往是通过实验与模拟的方法进行研发,所需要的工程量十分巨大并且获得的目标材料需要依赖一定的经验与运气,如何提供材料的研发效率成为了材料科学研究者的首要目标。而随着人工智能技术在众多领域的出色表现,越来越多的研究者也投入人工智能与材料科学的研究,并在两者的结合中取得了众多研究成果。 2016年5月,Nature 将一篇机器学习算法改变材料发现方式的论文放上封面,并提出“从失败中学习”[1]:美国研究者利用机器学.

BENE 1万+

WINCC7.3破解文件

WINCC7.3硬件够破解文件,有需要的下载!WINCC7.3硬件够破解文件,有需要的下载!

AI 问数真的能替代 BI 报表吗?

AI问数赋能自然语言查询,提升临时分析效率,但无法替代传统报表。报表适用于稳定输出与持续监控,AI则擅长探索性提问。企业用好AI问数,关键在于夯实数据模型、统一指标口径、健全权限体系与结果校验机制。合理组合报表、仪表板与AI,才能实现高效、准确的业务洞察。

葡萄城技术团队博客 353

ChatGPT、Perplexity、Gemini 与 AI Overviews 引用对比:谁的引用更可信

AI 引擎的引用机制差异很大:ChatGPT 以行内引用加 Sources 列表呈现来源,Perplexity 几乎逐句可溯源,Gemini 在回答中内嵌相关来源链接,AI Overviews 则把多源聚合答案与来源列表一起放在搜索结果顶部。本文从引用透明度、来源偏好、可干预性 3 个维度对比这 4 个引擎,并给出 GEO 的 3 点启示,帮企业在多引擎环境下提升被引用的概率。

淡然一笑 的专栏 296

【从零理解 Spring AI · 12】MCP 的两种角色:做客户端还是做服务端

上一篇讲了 MCP 的概念:标准协议、三大角色、M+N 替代 M×N。

nice_lcj520的博客 620

抽象主义人工智能和生命体AI的内在联系

彭军辉提出“抽象主义人工智能”作为第四大AI范式,批判符号主义、连接主义、行为主义剥离生命本体的误区,确立“智能是现象,生命是本体”的核心公理。主张原生智能必须依附具备存续诉求的生命本体,提出“生命体AI理论”,构建七层演化阶梯与自闭环工程框架,强调智能不可跳过底层存续机制直接模拟语言。该体系为生成式AI提供科学边界,推动从“仿真表象”向“原生智能”的范式跃迁,开辟硅基人工生命新赛道。

抽象主义人工智能和生命体AI 211

OpenAI Control Room 架构拆解:给企业 AI Agent 加一套可审计的急停系统

OpenAI 公开了用于追踪和停止研究模型工作负载的 Control Room。本文拆解 job_id、推理前鉴权、35 秒撤销窗口与 Fail Closed 设计,并给出企业 AI Agent 急停控制面的数据模型、FastAPI 参考实现、缓存撤销策略和故障演练清单。

jerry764的博客 347

OpenClaw 深度调查:把 AI 助手做成你自己的控制平面

对 openclaw/openclaw 的完整技术尽调:Gateway 架构、Agent 运行时、工具与沙箱、30 个消息通道、181 个插件、安全信任边界、工程代价与采用建议。17 章 / 10 张图,全部数字标注口径,数据截至 2026-10-31。

厚积薄发 363

AI赋能智慧港口建设|造形家快速生成港口全要素三维场景

随着智慧港口、港口数字孪生项目的持续推进,港口三维场景的需求日益旺盛。传统港口三维建模,往往需要航拍倾斜摄影采集数据,再人工搭建吊机、岸桥、船舶、集装箱等大量工业设施模型,项目周期长、人力成本高,修改迭代繁琐,制约港口可视化项目落地效率。国产AI三维建模工具,依托卫星影像 AI 识别能力,无需航拍作业,一键快速搭建港口完整三维场景,为港口数字孪生、方案汇报、投标演示提供高效的场景解决方案。

m0_69539167的博客 89

从设备增点到治理闭环:老旧小区物业数智化落地实践

系统连接合同审批、银行流水、收费记录与项目台账,执行到期提醒、收入核验、异常标色和月度对账,让每一笔资金来源明确、去向可查。针对设施老旧、诉求响应慢、公共收益不透明等问题,津南以6类小区为试点场景,统一建设物业数字化底座,关联楼栋、单元、房屋、业主、空间、设施设备、工单、公共收益等核心数据。系统采用统一编码管理,将摄像头、路灯、井盖、道路、绿化等设施纳入资产台账,解决纸质记录更新滞后、故障责任难追溯的问题。基于历史工单建立分类模型和知识库,辅助识别照明、给排水、电梯、环境秩序、秩序维护等问题;

wuyeshuzhihua的博客 163

企业微信iPad协议详解:接口接入、实时消息同步与语音转码实践

深入解析企业微信iPad协议的技术架构与开发思路,涵盖API接口接入、长连接通信、实时消息同步、Silk语音转码、异常重连及高并发优化,帮助开发者了解企业微信自动化系统的设计与实现。

欢迎来到祖安! 520
上一篇: 登Nature子刊!加州大学用AI革新冷冻电镜三维重建,实现结构生物学重大突破
下一篇: 立志打造化学界图灵机!AI制药公司Chemify开发世界上第一个化学编译器,进军美国市场
HyperAI超神经
博客等级 码龄7年 8873粉丝 1753原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值