Intel實驗室展示在人工智慧技術領域研究成果 強化演算法與最佳化應用

Intel于NeurIPS 2023大会活动展示其实验室在人工智慧技术领域研究成果，并且以此推动人工智慧无所不在愿景。

在大会期间，Intel总计公布31篇研究论文，其中包括12篇主要会议论文、19篇研讨会论文和现场展示内容，研究重点聚焦于人工智慧在科学领域应用的新模型、方法和工具，以及图学习、多模态生成式人工智慧 (multi-modal generative AI)，另外也包含用于气候建模、药物研发和材料科学等AI用例的人工智慧演算法和最佳化技术。

此外，Intel实验室同时举办人工智慧加速材料探索 (AI4Mat)研讨会，针对人工智慧研究人员与材料科学家提供平台，以因应人工智慧驱动的材料探索和开发的挑战。

至于此次公布研究论文大致如下：

科学人工智慧：

• 大脑编码模型 (Brain encoding models)：与德州大学奥斯汀分校的研究人员共同开发的模型，帮助预测大脑反应并深入了解大脑的多模式处理能力。

• 气候资料集 (ClimateSet)：与魁北克人工智慧研究所 (Mila)合作开发，用于机器学习的大型气候模型资料集，可以快速预测新的气候变迁情境，并为机器学习 (ML)社群建立破坏性创新的气候中心应用程式奠定基础。

• HoneyBee：与Mila共同开发的最先进的大型语言模型，帮助研究人员更快速了解材料科学。

多模态生成式人工智慧：

• COCO-Counterfactuals：一种产生合成反事实资料的多模态技术，可减少预先训练多模态模型中不正确的统计偏差，帮助提高AI模型在许多下游任务 (例如图片文字检索和影像辨识)的效能。

• LDM3D-VR：3D虚拟实境 (VR)的潜在扩散模型，可简化人工智慧应用产生3D视讯。

• CorresNeRF：使用神经辐射场从2D影像重建3D场景的影像渲染方法。

提高人工智慧效能：

• DiffPack：一种用于蛋白质建模的生成式人工智慧方法，有助于确保生成的3D结构反映蛋白质的真实结构特性。

• InstaTune：一种在微调阶段产生超级网路的方法，以减少网路附加储存 (NAS)所需的总体时间和运算资源。

图学习：

• A*Net：业界首创以基于路径的方法对百万级资料集进行知识图推理，能够扩展到超出计算范围的资料集，并提高大型语言模型 (LLM)的准确性。

• ULTRA：业界首创知识图推理基础模型，以及学习通用和可转移图示及其关系的新方法。

• Perfograph：一种基于编译器图的新颖程式表现形式，可以捕捉数值资讯和复合资料结构，以提高ML方法推理程式语言的能力。

《原文刊登于合作媒体mashdigi，联合新闻网获授权转载。》