自媒体写作的 QRIES 方法论,初学者如何写出让人信服的好文章

基于图的人工智能模型发现科学与艺术之间的隐藏联系以推荐新颖的材料

2024-11-12 22:11:04 英文原文

作者:Massachusetts Institute of Technology

Graph-based AI model maps the future of innovation
基于图形的人工智能模型(中)建议利用瓦西里·康定斯基(Wassily Kandinsky)绘画《构图 VII》(左)中发现的抽象图案的灵感,创建一种新的基于菌丝体的生物材料(右)。图片来源:瓦西里·康定斯基(左)、马库斯·布勒在他的新人工智能系统的帮助下(中和右)

想象一下,使用人工智能来比较两个看似无关的创作——生物组织和贝多芬的《第九交响曲》。乍一看,生命系统和音乐杰作似乎没有任何联系。然而,迈克菲工程教授兼麻省理工学院土木与环境工程和机械工程教授 Markus J. Buehler 开发的一种新颖的人工智能方法弥补了这一差距,揭示了复杂性和秩序的共同模式。

“通过将生成式人工智能与基于图形的计算工具相结合,这种方法揭示了以前难以想象的全新想法、概念和设计。我们可以通过教导生成式人工智能对前所未见的想法、概念做出新颖的预测来加速科学发现和设计,”布勒说。

最近的开放获取研究发表机器学习:科学与技术,展示了一种集成生成知识提取、基于图的表示和多模态智能图推理的先进人工智能方法。

这项工作使用受范畴论启发的方法开发的图表作为中心机制来教导模型理解科学中的符号关系。范畴论是数学的一个分支,研究抽象结构及其之间的关系,通过关注对象及其相互作用而不是其具体内容,提供了一个理解和统一不同系统的框架。

在范畴论中,系统是根据对象(可以是任何东西,从数字到结构或过程等更抽象的实体)和态射(定义这些对象之间关系的箭头或函数)来看待的。通过使用这种方法,布勒能够教导人工智能模型系统地推理复杂的科学概念和行为。通过态射引入的符号关系清楚地表明,人工智能不仅仅是进行类比,而是进行更深入的推理,映射不同领域的抽象结构。

Buehler 使用这种新方法分析了 1000 篇有关生物材料的科学论文,并将它们转化为图表形式的知识图谱。该图揭示了不同信息是如何连接的,并能够找到将许多概念联系在一起的相关想法组和关键点。

Graph-based AI model maps the future of innovation
新的人工智能方法使用基于类别论启发的方法的图形作为理解科学中符号关系的中心机制。该插图显示了这样一个图表以及它如何映射相关想法和概念的关键点。图片来源:Markus Buehler,在他的新人工智能系统的帮助下

“真正有趣的是,该图遵循无标度性质,高度连通,并且可以有效地用于图推理,”Buehler 说。“换句话来说,我们教人工智能系统思考基于图形的数据,以帮助他们建立更好的世界表示模型,并增强思考和探索新想法以实现发现的能力。”

研究人员可以使用这个框架来回答复杂的问题,找到当前知识的差距,提出新的材料设计建议,预测材料的行为方式,并将以前从未联系过的概念联系起来。

人工智能模型发现生物材料和“第九交响曲”之间有意想不到的相似之处,这表明两者都遵循复杂的模式。“类似于细胞在生物材料在另一项实验中,基于图形的人工智能模型建议创建一种新的生物材料,其灵感来自于瓦西里·康定斯基 (Wassily Kandinsky) 的画作《构图 VII》中的抽象图案。

人工智能提出了一种新的基于菌丝体的复合材料。“这种材料的结果结合了一套创新的概念,包括混乱与秩序的平衡、可调节的性能、孔隙率、机械强度和复杂的图案化化学功能,”布勒指出。

通过从抽象绘画中汲取灵感,人工智能创造了一种既坚固又实用的材料,同时又具有适应性并能够扮演不同的角色。该应用可能会促进创新的可持续建筑材料、可生物降解的塑料替代品、可穿戴技术,甚至生物医学设备的开发。

借助这种先进的人工智能模型,科学家可以从音乐、艺术和技术中汲取见解,分析这些领域的数据,识别隐藏的模式,从而激发材料设计、研究、甚至音乐或视觉艺术的创新可能性。

布勒表示:“与传统方法相比,基于图的生成人工智能实现了更高程度的新颖性、探索能力和技术细节,并通过揭示隐藏的联系建立了广泛有用的创新框架。”

“这项研究不仅为仿生材料和力学领域做出了贡献,而且还为未来奠定了基础当我们展望未来的其他工作时,由人工智能和知识图谱提供支持的技术可能会成为科学和哲学探究的工具。”

更多信息:Markus J Buehler,通过生成知识提取、基于图形的表示和多模态智能图形推理加速科学发现,机器学习:科学与技术(2024)。DOI:10.1088/2632-2153/ad7228

这个故事由麻省理工学院新闻转载(web.mit.edu/新闻办公室/),一个热门网站,涵盖有关麻省理工学院研究、创新和教学的新闻。

引文:基于图的 AI 模型发现科学与艺术之间的隐藏联系,以推荐新颖的材料(2024 年,11 月 12 日)检索日期:2024 年 11 月 12 日来自 https://techxplore.com/news/2024-11-graph-based-ai-hidden-links.html

本文档受版权保护。除了出于私人学习或研究目的的任何公平交易外,不得未经书面许可,不得复制部分内容。所提供的内容仅供参考。

关于《基于图的人工智能模型发现科学与艺术之间的隐藏联系以推荐新颖的材料》的评论


暂无评论

发表评论

摘要

麻省理工学院的 Markus J. Buehler 开发的基于图形的人工智能模型发现了科学和艺术领域之间隐藏的联系,提出了受艺术抽象图案启发的新颖材料。该模型集成了生成知识提取和多模态智能图形推理,发现了生物组织与贝多芬的“第九交响曲”之间的相似之处,识别出共享的复杂模式。它还推荐了一种新型菌丝体复合材料,其灵感来自瓦西里·康定斯基的画作“构图VII”。这种方法通过揭示以前难以想象的想法和设计来加速科学发现。