視頻也能P了？眾所周知，視頻編輯難度極高，若想要調整或替換主體，變換場景、色彩或是移除一個物體，往往意味著無數幀的手動標注、遮罩繪制和精細調色。即使是經驗豐富的后期團隊，也很難在復雜場景中保持編輯內容的時間一致性。近年來，隨著生成式AI的快速發展，諸如「一鍵消除」等功能逐漸出現在各類剪輯軟件中，令人們看到了AI在視頻編輯方面的巨大潛力。誠然，在實際應用中，除了「一刀切」的消除功能外，更高頻使用且難度...

谷歌DeepMind的Alpha系列再添新成員——AlphaGenome，其能夠更全面、準確地預測人類DNA序列中單個變異或突變，如何影響一系列調控基因的生物過程。AlphaGenome模型以長達100萬個堿基對的DNA序列為輸入，預測數千種與其調控活性相關的分子屬性，同時還可以通過比較變異與未變異序列的預測結果，評估基因變異或突變的影響。該模型建立在DeepMind此前的基因組模型Enformer的基礎上，與專注于蛋白編碼區變異分類的AlphaMissense模型...

隨著人工智能技術的不斷深入成熟，AI也賦予了醫療領域一場深刻的變革——通過整合多源數據與智能算法，為醫療行業的效率提升、精準診斷都提供了全新解決方案。醫療數據作為大模型的「燃料」，也是醫療決策的核心載體，它的角色至關重要，尤其是在中國醫療體系加速數字化轉型的背景下，從數據角度解析醫療模型更是創新的必經途徑。近日，在2025北京智源大會中，清華長庚醫院醫學數據科學中心主任李棟教授在「AI+理工&醫學」專題...

眾所周知，人體由不同類型的細胞組成——免疫細胞在感染發生時可引發炎癥反應以抵御病原體；干細胞具有分化潛能，可生成多種組織類型；而癌細胞則通過逃避生長調控信號，實現異常增殖。盡管這些細胞在功能和形態上差異巨大，但它們幾乎都擁有相同的基因組。細胞的獨特性并非來自DNA序列本身的差異，而是源于它們如何調控和使用相同的基因信息。換言之，細胞的特性源于基因表達的差異，而一個細胞的基因表達模式不僅決定了它屬于...

ApacheTVM是一個深度的深度學習編譯框架，適用于CPU、GPU和各種機器學習加速芯片。更多TVM中文文檔可訪問→作者：[GusSmith](https:github.comgussmith23),[AndrewLiu](https:github.comhypercubestart)本教程將展示如何利用BringYourOwnDatatypes框架在TVM中使用自定義數據類型。注意，BringYourOwnDatatypes框架目前僅處理數據類型的軟件模擬版本。該框架不支持開箱即用地編譯自定義加速器數據類型。數據類型庫[?](https:tvm...

在人工智能技術突飛猛進的當下，大型視覺語言模型（LVLMs）正以驚人的速度重塑多個領域的認知邊界。在自然圖像與視頻分析領域，這類模型依托先進的神經網絡架構、海量標注數據集與強大算力支持，已能精準完成物體識別、場景解析等高階任務。而在自然語言處理領域，LVLMs通過對TB級文本語料的學習，在機器翻譯、文本摘要、情感分析等任務上達到專業級水準，其生成的學術摘要甚至能精準提煉醫學文獻的核心結論。然而當技術浪潮涌...

ApacheTVM是一個深度的深度學習編譯框架，適用于CPU、GPU和各種機器學習加速芯片。更多TVM中文文檔可訪問→作者：ChiWeiWang隨著實現的Pass越來越多，instrumentpass執行、分析每個Pass效果和觀察各種事件也愈發重要。可以通過向tvm.transform.PassContext提供tvm.ir.instrument.PassInstrument實例列表來檢測Pass。我們提供了一個用于收集計時信息的pass工具（tvm.ir.instrument.PassTimingInstrument），可以通過tvm.instrume...

在細胞這個「工廠」中，氮氧硫（NOS）鍵就像一個可逆的「智能開關」，能夠根據環境中的氧化還原變化調節酶活性。2021年，來自德國哥廷根喬治奧古斯特大學的團隊，通過研究淋病奈瑟氏球菌的轉醛醇酶，發現了存在于賴氨酸和半胱氨酸之間的NOS鍵。這項研究超越了單一病原體和酶的研究范疇，為跨學科的蛋白質科學、藥物設計和生物工程奠定了重要基礎。然而，隨著蛋白質結構數據的爆炸式增長，以及科學界對蛋白質結構中化學鍵的持續...

ApacheTVM是一個深度的深度學習編譯框架，適用于CPU、GPU和各種機器學習加速芯片。更多TVM中文文檔可訪問→作者：[ZhiChen](https:github.comzhiics)隨著Relaytir中優化Pass數的增加，手動執行并維護它們的依賴關系變得難以處理。因此我們引入了一個基礎架構來管理優化Pass，并使其適用于TVM堆棧中IR的不同層。Relaytir程序的優化可以在各種粒度上應用，即分別使用tvm.relay.transform.FunctionPasstvm.tir.transform.PrimFuncP...

蛋白質結合劑（如抗體、抑制肽）在疾病診斷、成像分析及靶向藥物遞送等關鍵場景中發揮著不可替代的作用。傳統上，高特異性蛋白質結合劑的開發高度依賴噬菌體展示、定向進化等實驗技術，但這類方法普遍面臨資源消耗巨大、研發周期冗長的挑戰，且受限于蛋白質序列組合復雜性的固有瓶頸。隨著人工智能的發展，蛋白質語言模型（PLMs）成為了理解蛋白質序列與功能關系的重要工具。面向蛋白質結合劑設計，PLMs基于語言模型的生成能力...

盛年不重來，一日難再晨。一直以來，「時間」似涓涓流水，永不停息且難以逆轉，時光流轉所帶來的衰老困擾著一代又一代人。古有秦始皇、漢武帝、唐太宗等偉大帝王尋仙問道追求長生，亦有傳說中的亞瑟王圣杯得之即可返老還童。當時代的指針落在21世紀，隨著人們對于生命科學的研究不斷深入，雖然已經鮮有人提及「永生」，但圍繞抗衰老的研究卻從未停止。尤其是在全球老齡化問題加劇之際，越來越多的研究團隊及企業開始將快速迭代...

在城市建設與發展中，地理空間優化至關重要。從工業園區選址，到公共服務設施布局，它都發揮著關鍵作用。但傳統求解方法存在諸多局限，如今，深度學習技術為其帶來了新的轉機。近日，在中國地理學會地理模型與地理信息分析專業委員會2025年學術年會上，來自中國科學院空天信息創新研究院的梁浩健博士在「地理空間優化」這一專題下，以「基于分層深度強化學習的城市應急消防設施配置優化方法研究」為題進行了成果匯報演講，并從...

ApacheTVM是一個深度的深度學習編譯框架，適用于CPU、GPU和各種機器學習加速芯片。更多TVM中文文檔可訪問→作者：[JianWeng](https:were.github.io)TVM是一個抽象出機器學習加速器異質性的框架，有時用戶希望自定義一些分析和IR轉換，使得TVM適應自己的專用硬件。本教程介紹如何在TVM中編寫自定義Pass。先決條件[?](https:tvm.hyper.aidocshowtoextendwritingpass%E5%85%88%E5%86%B3%E6%9D%A1%E4%BB%B6"先決條件的直接鏈接")閱...

隨著全球氣候變化和自然災害頻發，精確可靠的地球系統預測對于減輕災害影響、支持人類社會進步都至關重要。傳統的數值模型雖然功能強大，但計算成本極高，限制了其廣泛應用。近年來，人工智能在環境預測領域展現出巨大潛力，特別是在提高預測性能和效率方面。然而，在地球系統多個關鍵領域，AI的潛力仍未得到充分探索。為了應對這一挑戰，微軟研究院及其合作者推出了首個大規模大氣基礎模型Aurora，通過在超過一百萬小時的多樣...

清華大學劉洋老師組、人民大學高瓴人工智能學院黃文炳老師組、字節跳動AI制藥團隊共同提出了一種跨分子種類統一生成框架UniMoMo。該框架基于分子片段（block）對不同種類的分子進行統一表示，使用變分自編碼器對每個block的全原子構象進行壓縮，并在壓縮后的隱空間進行幾何擴散建模（diffusion），從而實現對同一靶點不同結合分子種類（小分子、多肽、抗體）的設計。UniMoMo在多類分子任務基準的評測中均實現領先表現，展示了跨...

感染性休克（又稱膿毒性休克）是指由膿毒癥引發的嚴重循環障礙和細胞代謝紊亂的綜合征，在臨床表現上可以視為膿毒癥發展的「終末階段」。感染性休克具有極高的病死率，也是目前重癥監護病房最致命的疾病之一。根據一項基于英國國家級重癥監護數據庫的研究報告顯示，感染性休克患者的住院死亡率可高達55.5%。?面對這一高致死率的進展性疾病，臨床中針對感染性休克強調「時間就是生命」，提倡早發現、早干預、早治療，從而來降低...

ApacheTVM是一個深度的深度學習編譯框架，適用于CPU、GPU和各種機器學習加速芯片。更多TVM中文文檔可訪問→[https:tvm.hyper.ai](https:tvm.hyper.ai)作者：[MohamadKatanbaf](https:github.commkatanbaf)本教程描述了將使用microTVM編譯的模型集成到自定義開發環境所需的步驟。在本教程中，我們使用[STM32CubeIDE](https:www.st.comendevelopmenttoolsstm32cubeide.html)作為目標集成開發環境（IDE），但我們不依賴于此IDE的任...

近兩日，GoogleIO2025熱度正盛，公司CEOSundarPichai在活動首日的主題演講中便分享了多項創新，例如Gemini2.5的全系列升級，AgentMode上線Chrome，編碼智能體Jules開啟公測，AndroidXR正式版亮相等等。而在一眾令人眼花繚亂的重磅更新之中，還隱藏著一個面向于醫療領域的重磅開源成果——MedGemma。據官方介紹，MedGemma系列模型基于Gemma3構建，包含谷歌在醫學文本與圖像理解方面最強大的開源模型，提供2個版本，分別為40億參...

蛋白質亞細胞定位（subcellularlocalizationofaprotein）是指蛋白質在細胞結構中具體的定位情況，這對蛋白質行使其生物學功能至關重要。舉個簡單例子，如果把細胞想象成一個龐大的企業，其中細胞核、線粒體、細胞膜等對應總裁辦、發電部、門崗等不同的部門，那么只有對應的蛋白進入正確的「部門」才能使其正常工作，否則便會導致某些疾病發生，如癌癥、阿爾茲海默病。因此，精準定位蛋白質亞細胞可以說是生命科學的核心任務之一...

當前的音樂生成模型在生成速度、音樂連貫性和可控性之間面臨著固有的權衡。例如，基于LLM的模型（例如Yue、SongGen）在歌詞對齊方面表現出色，但推理速度慢且存在結構性偽影。另一方面，擴散模型（例如DiffRhythm）雖然能夠實現更快的合成速度，但通常缺乏長距離的結構連貫性。對此，人工智能公司階躍星辰（StepFun）與數字音樂平臺ACEStudio聯合推出了一款音樂生成基礎模型ACEStepv13.5B，于2025年5月7日開源。該模型在NVIDIAA...